统计模式识别——Bayes分类器(3)
上两节我们介绍了最小错误率和最小风险Bayes分类器,接下来谈谈最小最大决策。
最小最大Bayes决策
1.问题提出(假设C=2)
现在我们假定一种情况,先验概率未知或者不确定的前提,在这种前提下,绝对意义的最小风险不存在,这种情况下我们怎么求Bayes分类器。
2.求解思路
虽然P(ω1) 和P(ω2)未知,但我们可以假设他们确定,在先验概率确定的前提下设计一系列最小风险Bayes分类器;
然后在这一系列最小风险Bayes分类器中,取其中最大风险最小的一个来当作最后的最小最大Bayes分类器;
这样做的目的是为了控制最大风险。
3.问题的数学描述
已知:
ω1、p(x | ω1)和ω2 、p(x | ω2);
Ω= {ω1,ω2};
А = {α1,α2};
损失函数λ(αi,ωj) ,简记λij;
发生了一个随机事件,其观察值为特征向量x;
求解:
最小最大风险分类器;
4.数学推导
5.求解流程
6.最小最大Bayes决策的特点
1. 已知条件多——各类概率分布及风险系数(相对最小风险较少)
2. 最小最大风险——概率意义上最优
3. 非线性分类器
4. 设计过程很复杂
以上就是最小最大Bayes分类器的介绍。