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 |