贝叶斯决策论是解决模式分类问题的一种基本统计途径。其假设:决策问题可以用概率的形式来描述,并且所有有关的概率结构均已知。现对其进行一下简单的总结。
贝叶斯决策准则
按照不同决策标准,会得到不同意义下的最优决策。
最小错误率准则
最小风险准则
最小最大决策准则
Neyman-Pearson准则
最小错误率准则
若样本 x 为类别
则得到误差概率如下:
P(error|x)={
P(w1|x)P(w2|x)如果判断为w2如果判断为w1
我们希望平均误差概率最小,
P(error)=∫+∞−∞P(error,x)dx=∫+∞−∞P(error|x)p(x)dx
对任意的 x ,我们只要保证
此时 P(error|x)=min[P(w1|x),P(w2|x)]
因此,得到了最小误差率下的贝叶斯决策准则:如果 P(w1|x)>P(w2|x) ,则判为 w1 ,否则判为 w2 .
根据条件概率,可以将上式转换为 P(x|w)和P(w) 的形式来描述:如果 P(x|w1)P(