朴素贝叶斯法后验概率最大化

一. 损失函数期望公式(期望风险函数)

$$R_{exp}(f)=E_p[L(Y,f(x))]={\int }_{\chi \times \gamma }L(Y,f(x))P(x,y)dxdy$$

二. 后验概率最大

上面是李航老师《统计学习方法》中关于朴素贝叶斯-后验概率最大化的公式推导，由于推导的过程跨度较大，特写这篇博客记录一下自己的理解。
期望风险函数到条件期望这步可以参考：
https://blog.csdn.net/yaokun2012/article/details/81913129
为了使期望风险最小化，只需对X=x逐个极小化，由此得到：
$$f(x)=argmin\sum _{j=1}^{J}L(c_j,y)P(c_j|X=x)$$
其中$(c_1,c_2,...,c_{}$