最小风险 最小错误 贝叶斯决策 Bayes(实例详解)

简介

贝叶斯决策其实是已经被很多博客解释的非常详细了，为了不制造学术垃圾，本来一直没打算写一篇关于Bayes的blog，但是我也是最近才看到这两个概念，唉，都怪自己掌握的还是不够到位。

所以这次我会详细的分享有关最小错误、最小风险的Bayes决策，然后当然如果你还没有了解什么是贝叶斯决策的话，还是应该先去学习了解原理，然后再来看这次扩展的知识。

另外，我真心觉得最小风险 最小错误的贝叶斯分析，更加切合实际生活应用中的情况。看完你就明白了。

最小错误率Bayes

假设待识别的特征为X,样本分为m类，各类的先验概率和各类的类概密均已知，就有m个判别函数，由Bayes公式可知：

在取得一个观察特征X后，在特征X的条件下，看哪个类的概率最大，应该把X归于概率最大的那个类。由此，可得到最大后验概率判决准则的几种等价形式：

其中, L(x)称为似然比, 　lnL(x)称为对数似然比
P(ω1)/P(ω2)称为似然比阈值

例子

我们看一个例子就很好理解了：

假设在某个局部地区的细胞识别中, 第一类表 示正常, 第二