【漫话机器学习系列】013.贝叶斯误差（Bayes Error）

IT古董

于 2024-12-19 09:12:19 发布

阅读量1.2k

点赞数 8

分类专栏：漫话机器学习系列专辑文章标签：机器学习人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/IT_ORACLE/article/details/144575015

版权

贝叶斯误差（Bayes Error）

贝叶斯误差是机器学习和统计分类中一个理论最优的误差界限，定义为任何分类器在给定数据分布上的最低可能误差。贝叶斯误差反映了分类问题的内在困难，与模型或算法无关。

贝叶斯误差的定义

贝叶斯误差源自贝叶斯分类器的理论性能，公式如下：

$E_{Bayes} = \mathbb{E}[\min(P(y = c \mid x))]$

符号说明：

$P(y = c \mid x)$ ：在特征 x 下，类别 c 的后验概率。
$\mathbb{E}[\cdot]$ ：期望值，表示对输入分布 P(x) 求平均。

贝叶斯误

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。