1.4 高斯环境下感知器与贝叶斯分类器的关系
在高斯环境下,贝叶斯分类器退化为线性分类器。
1.贝叶斯分类器
Van Trees(1968)定义平均风险为:
(a)
其中:
=观察向量x(表示随机向量X的实现值)取自子空间
的先验概率,
,且
;
=当类
是真实的类(即观察向量x取自对应的类的子空间
)时决策为由子空间
代表的类
的代价,
;
=随机向量X的条件概率密度函数,假设观察向量x取自子空间
,
1.4 高斯环境下感知器与贝叶斯分类器的关系
在高斯环境下,贝叶斯分类器退化为线性分类器。
1.贝叶斯分类器
Van Trees(1968)定义平均风险为:
(a)
其中:
=观察向量x(表示随机向量X的实现值)取自子空间
的先验概率,
,且
;
=当类
是真实的类(即观察向量x取自对应的类的子空间
)时决策为由子空间
代表的类
的代价,
;
=随机向量X的条件概率密度函数,假设观察向量x取自子空间
,