贝叶斯决策理论
【基于贝叶斯决策理论的分类器】— 贝叶斯决策理论首先讨论两类情况。用w1w_1w1,w2w_2w2表示样本所属类别,假设先验概率P(w1)P(w_1)P(w1),P(w2)P(w_2)P(w2)已知。这假设是合理的,因为如果先验概率未知,可以很容易地从训练特征向量中估算出来。如果NNN是训练样本的总数,其中有N1N_1N1,N2N_2N2个样本分别属于w1w_1w1,w2w_2w2,则相应的先验概率为P(w1)=N1NP(w_1) = \frac{N_1}{N}P(w1)=NN1
复制链接