实验三、最小错误率的贝叶斯分类

1.实验内容

1） 最小错误贝叶斯分类器原理
在对模式进行识别时，在存在模棱两可的情况下，任何决策都存在判别错误的可能性。最小错误贝叶斯决策就是以错误率为自小的分类规则。使用p(e)表示错误概率，那么最小错误贝叶斯分类器的目的就是minp(e).

对于两种模式，其中：即x属于第一类，判别为第二类的概率，x属于第二类，判别为第一类的概率。可以看出使错误率最小的决策就是使后验概率最大的决策，因此最小错误率贝叶斯决策可写为：其中，后验概率的计算使用贝叶斯公式计算，因此要已知先验概率p(ωi)以及类条件概率密度p(x|wi)。判决公式还有很多等价公式。

2）最小错误率贝叶斯分类器的图形表示

错误率：对于多类问题的决策，思路跟两类问题类似，不同的只是计算量加重了许多；可以把每一类的后验概率当做是该类的一个判别函数gi(x),决策的过程就是各类的判别函数进行比较，最后取最大的那个。

利用贝叶斯后验概率确定分类：

设有19人进行体检，结果如下表。但事后发现4人忘了写性别，试问，这4人是男是女？

序号	身高	体重	性别	序号	身高	体重	性别
1	170	68	男	11	140	62