【应用多元统计分析】CH5 判别分析3——贝叶斯判别

本文深入探讨了贝叶斯判别分析,包括最大后验概率法和最小期望误判代价法。通过实例解析了如何在不同条件下赋值先验概率和处理协方差矩阵,强调了在正态组情况下贝叶斯判别的优越性,并讨论了如何处理非正态数据以提升判别效果。
摘要由CSDN通过智能技术生成

目录

前言——距离判别不适合的一个例子

一、最大后验概率法 

1.含义

​编辑 2.【例5.3.1】

3.先验概率的赋值方法

4.皆为正态组的情形

(1)先验概率相等,协方差矩阵相等时

(2)仅先验概率相等时

(3)仅协方差矩阵相等时 

5.【例5.3.2】

二、最小期望误判代价法

1.例子

2.两组的一般情形

(1)期望误判代价

(2)误判代价之比

(3)【例5.3.3】

(4)(5.3.13)式的一些特殊情形

(5)【例5.3.4】

3.两个正态组的情形

(1)协方差矩阵相等时

(2)协方差矩阵不相等时

(3)如何变换到接近正态性

4.多组的情形

(1)推导

(2)【注】

​编辑 (3)【例5.3.5】


前言——距离判别不适合的一个例子

        研究的指标是英语六级考试成绩(满分710分)。

        \pi_{1}(校研究生组):N_{1}=2000,\mu_{1}=500

        \pi_{2}(校本科生组):N_{2}=8000,\mu_{2}=400

        研究生中x\geqslant 500的有1000人,本科生组中x\geqslant 500的有2000人。某学生x=500,试该判别该生归属哪一组?

        该例如采用距离判别法则显然不妥,应考虑利用如下的先验概率:

p_{1}=\frac{2000}{10000}=0.8,p_{2}=\frac{8000}{10000}=0.2

        距离判别方法简单,结论明确,是很实用的方法,但该方法也有缺点:

  • 该判别与各总体出现的机会大小(先验概率)完全无关
  • 判别方法没有考虑错判造成的损失,这是不合理的

        Bayes判别正是为解决这两方面问题而提出的判别方法。

        Bayes统计思想总是假定对所研究的对象已有一定的认识,常用先验概率分布来描述这种认识。然后我们抽取一个样本,用样本修正已有的认识(先验概率分布),得到后验概率分布。

        各种统计推断都通过后验概率分布来进行,将贝叶斯思想用于判别分析就得到贝叶斯判别法。

一、最大后验概率法 

1.含义

        设有k个组\pi_{1},\cdots,\pi_{k},且组\pi_{i}的概率密度为f_{i}(x),样品x来自组\pi_{i}的先验概率为p_{i},i=1,2,\cdots,k,满足p_{1}+\cdots+p_{k}=1。则x属于\pi_{i}的后验概率为

P(\pi_{i}|x)=\frac{p_{i}f_{i}(x)}{\sum_{j=1}^{k}p_{j}f_{j}(x)},i=1,2,\cdots,k

        最大后验概率法是采用如下的判别规则:

{\color{Red} x\epsilon \pi_{l},P(\pi_{l}|x)=max_{1\leqslant i\leqslant k}P(\pi_{i}|x)(5.3.2)}

 2.【例5.3.1】

3.先验概率的赋值方法

  • 利用历史资料及经验进行估计,例如某地区成年人中得癌症的概率为p_{1}=0.001,不患癌的概率为p_{2}=0.999
  • 利用训练样本中各类样品所占的比例,即p_{i}=\frac{n_{i}}{n},n=n_{1}+n_{2}+\cdots+n_{k},这时要求训练样本是随机抽样取得的,各类样品被抽到的机会大小就是先验概率
  • 没有任何先验信息时,取等概率p_{1}=\cdots=p_{k}=\frac{1}{k}

4.皆为正态组的情形

        设\pi_{i}\sim N_{p}(\mu_{i},\Sigma_{i}),\Sigma_{i}>0,i=1,\cdots,k,这时组\pi_{i}的概率密度为f_{i}(x)=(2\pi)^{-\frac{p}{2}}\left | \Sigma_{i} \right |^{-\frac{1}{2}}exp\left [ -0.5d^2(x,\pi_{i}) \right ],d^2(x,\pi_{i})=(x-\mu_{i})^{'}\Sigma_{i}^{-1}(x-\mu_{i})

此时,后验概率为:

  • 9
    点赞
  • 70
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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