贝叶斯决策理论(二)

基于最小风险的贝叶斯决策不等同于最小错误率,它更关注降低误判带来的风险。通过定义误判损失矩阵,决策依据转变为后验概率的加权和,权重为误判损失系数。在二分类情况下,决策规则仍可转化为似然比判定,尤其当数据分布接近正态时。
摘要由CSDN通过智能技术生成

基于最小风险的贝叶斯决策

上一小节说到,基于最小错误率的贝叶斯决策实质上是根据后验概率的最大值进行分类,即




这样的做法可以保证平均错误率最小,然而,错误也是有不同的性质的,不同性质的错误带来的风险也是不同的,因此我们不应当把不同性质的错误同等对待。

以看病为例,判定的结果为有病和无病两种属性,存在两类错误。

  1. 本来没病,判成有病。
  2. 本来有病,判成没病。

可以发现,第一类错误不会造成什么大的危害,有则改之无则加勉嘛;但是第二类错误就会延误患者的治疗,可能会造成病人的严重后果。

错误率最小并不是我们的终极目的,我们的目标是最大可能减少误判造成的风险,这就是基于最小风险的贝叶斯决策

可以定义误判造成

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值