在看待解决一分类问题时候,在相关概率已知的条件下,贝叶斯决策论考虑如何基于这些概率把(期望损失)风险 降到最低,从而得到最优的类别标记,即 期望风险最小化。
假设由 N N N种可能的类别标记为 y = { c 1 , c 2 . . . c n } y=\{c_1,c_2...c_n\} y={ c1,c2...cn}, λ i j \lambda_{ij} λij是一个将真实标记为 c j c_j cj误分类为 c i c_i ci所产生的损失,则基于后验概率 P ( c i ∣ x ) P(c_i|x)