《统计学习方法》-李航、《机器学习-西瓜书》-周志华总结+Python代码连载（三）--贝叶斯分类器（Bayes）

最新推荐文章于 2022-07-14 14:58:17 发布

xiao韩

最新推荐文章于 2022-07-14 14:58:17 发布

阅读量524

点赞数

分类专栏： Python与AI 学习笔记机器学习文章标签：机器学习朴素贝叶斯分类 python/sklearn

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_28821995/article/details/96838812

版权

一、贝叶斯概论

假设有N种可能的类别标记，即 $y\in \left \{ c_{1},c_{2},...,c_{N} \right \}$ , $\lambda _{ij}$ 是将一个真实的 $c_{j}$ 的样本误分类成 $c_{i}$ 所产生的损失。在后验概率 $P(c_{i}|x)$ 的基础上可得到将样本x分类成 $c_{i}$ 的期望损失（条件风险）:

$R(c_{i}|x) = \sum _{j=1}^{N} \lambda _{ij}\cdot P(c_{j}|x)$

需要寻找到一个准则，使得所有样本对每个分类产生的条件风险最小，显然，对每个样本x能最小化条件风险即可，因此就有贝叶斯判定准则（Bayes decision rule）:为最小化总体条件风险，只需要在每个样本上选择能使条件风险最小，即 $h^{*}(x)=argmin R(c|x)$ ,此时则称 $h^{*}(x)$ 为贝叶斯最优分类器。

不妨将损失为0/1损失函数：

最低0.47元/天解锁文章

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
《统计学习方法》-李航、《机器学习-西瓜书》-周志华总结+Python代码连载（三）--贝叶斯分类器（Bayes）

一、贝叶斯概论假设有N种可能的类别标记，即,是将一个真实的的样本误分类成所产生的损失。在后验概率的基础上可得到将样本x分类成的期望损失（条件风险）:需要寻找到一个准则，使得所有样本对每个分类产生的条件风险最小，显然，对每个样本x能最小化条件风险即可，因此就有贝叶斯判定准则（Bayes decision rule）:为最小化总体条件风险，只需要在每个样本上选择能使条件风险最小，即,此时则...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。