贝叶斯决策理论是朴素贝叶斯分类、贝叶斯信念网络、EM算法的基础。
特点:(1)每个观测值都可以提高/降低估计值
(2)先验知识可以和观测数据共同决定最终的假设概率
(3)概率预测,可以提供假设好坏的度量
(4)新实例可以结合多个假设的预测值,依概率加权
1.贝叶斯定理
目的:学习到最优假设,即概率最大可能性最高的假设,这就是我们所说的最大后验假设(MAP)。
那么概率如何计算?可以通过假设的先验概率P(h),已知假设观察数据的概率P(D|h),观察数据本身的概率P(D),则通过观察实验后假设的后验概率P(h|D)可以通过下面式子计算得到。
那么得到的最优假设是
注:(1)后验概率还可以理解为经过数据观测后对假设概率的修正
(2)对比极大似然估计(ML),相当于是假设每个假设的概率P(h)相等
例:两个假设:患者得癌症,患者没有得癌症;两个测试结果:阳性,阴性;先验知识如下: