模式识别
文章平均质量分 88
KING BOB!!!
这个作者很懒,什么都没留下…
展开
-
模式识别——统计决策方法——Neyman-Pearson决策规则
如果与最小错误率决策规则相对比,可以看出Neyman-Pearson决策规则也是以似然比为基础的,但两者所使用的阈值不同。作决策,则很可能使实际的决策效果有较大的错误率或较大风险。能否在这种情况下,找到一种合适的分类器设计,使其最大可能的风险为最小。换句话说,如果先验概率值在教大范围内变化,就可能产生的最大风险而是最小的。 之前讨论的最小错误率或最小风险决策方法都是在先验概率已知的条件下进行的,先验概率的数值对决策有很密切的关系。,而Neyman-Pearson是由方程组的解获得的一个常数入。原创 2023-10-06 20:47:47 · 339 阅读 · 1 评论 -
模式识别——统计决策方法——最小风险贝叶斯决策
现在再回到猜硬币的那个简单的例子上来。前面给出的是在最小错误率的原则下得到的决策规则,但是,根据具体的场合不同,我们应关心的有可能并不仅仅是错误率,而是错误所带来的损失:毕竞,把一角误认为是五角与把五角误认为是一角所带来的损失是不同的。 同样,在癌细胞识别的例子中,我们不但应该关心所作的决策是否错误,更应该关心决策错误所带来的损失惑风险。比如,如果把正常细胞误判为癌细胞,会给病人带来精神上的负担和不必要的进一步检查,这是一种损失;原创 2023-09-30 12:21:46 · 1095 阅读 · 0 评论 -
模式识别——统计决策方法——最小错误率贝叶斯决策
从图2-2可以看到,这种决策实际的分界线是图中的虚线位置,如果样本x落在分界线左侧则归为第一类,落在右侧则归为第二类。从最小错误率的要求出发,利用概率论中的贝叶斯公式,就能得出使错误率最小的分类决策,称之为最小错误率贝叶斯决策。把硬币的重量仍记为x,与上面所述的决策过程类似,现在应该考查在已知这枚硬币重量为x情况下硬币属于各类的概率,对两类硬币分别记作。则是x的分布概率,将这两个式子相乘积分得到就是所有样本的平均错误率。是对单个样本x的决策总体错误率,包括将正类x决策为负类,将负类x决策为正类,而。原创 2023-09-30 12:21:11 · 1093 阅读 · 0 评论