生活中的许多决策都是不确定性的,比如明天是否下雨,我需要带伞么?这个时候就需要我们做出决策,如果认为明天会下雨,显然我们就会带上伞,否则不然。那么这个时候我们怎么判断我们的决策是否可信?又是否是最佳的决策呢?这个时候往往就需要引入评价准则(evaluation criteria)。不同的评价准则在相同的决策机制中往往会导致不同的决策结果。
贝叶斯决策常用的评价准则一般如下。
- 最小错误概率(The minimum probability of error, the decision is optimal in the sense of minimum PE).
- 最小风险误差(the minimum risk, the decision is optimal in the sense of minimum average risk).
- 个人准则(we should construct the decision rule to have maximum probability of detection while not allowing the probability of false alarm to exceed a certain value.)
一、贝叶斯决策理论
上述准则使用将在贝叶斯决策理论之后进行介绍。接下来,我们将详细的讲述贝叶斯决策理论。我们假设一个样本的特征向量 x=[x1x2……xl]T x = [ x 1 x 2 … … x l ] T . 而这个样本可能属于的类别空间为 Ω={
w1w2……wM} Ω = { w 1 w 2 … … w M } ,那么贝叶斯决策理论就是计算出每个后验概率(给出一个样本 X X ,计算出样本X属于类别
的概率),并找到最佳的类别 w w ,判别该样本属于
。
ifP(wi|x)→max⇒x→wi i f P ( w i | x ) → m a x ⇒ x → w i
那么我们该如何计算出这个后验概率呢?答案当然是贝叶斯定理,如果我们能得到所有的先验概率 P(w1),P(w2)……P(wM) P ( w 1 ) , P ( w 2 ) … … P ( w M ) ,以及样本 x x 关于类别 的似然.
P(x|w