统计判决----最小误判概率准则判决

一些概念和符号的定义

P(\omega_i)表示\omega _i类出现的先验概率。P(\omega_i|x)表示x出现条件下\omega _i出现的概率,称为类别\omega _i的后验概率,换言之就是x来自\omega _i类的概率。p(x|\omega_i)表示在 \omega _i类的条件下x的概率分布密度,即\omega _i类模式x的概率密度,简称类概密。

最小误判概率准则判决的一般形式

对于两类问题

显然这里可能会出现两种,一种是把实属w1类的模式判属为w2类,原因是这个模式在特征空间中散布到D2中,从而导致误判,这时的误判概率为:

同理:

因此总的误判概率为:

我们希望误判的概率最小,等价要让总的正确率最大,总的正确率为:

如果

则判

或等价地表示成:如果

则判

这里l_{12}(x)称为似然比,\theta_{12}=P(\omega_2)/P(\omega_1)称为似然比阈值。

  • 4
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值