第四章统计判别内容摘要：
贝叶斯判别原则 • 问题 –若被化验的人具有阳性反应，他患癌症的概率为多少，即求 P(ω1 | x=阳 )=。 –这里 P(ω1) 是根据以往的统计资料得到的，为患癌症的先验概率。 现在经过化验，要求出 P(ω1 | x=阳 )，即经过化验后为阳性反应的人中患癌症的概率，称为后验概率。 • [计算 ] 作为统计判别问题的模式分类 贝叶斯最小风险判别 • 当考虑到对于某一类的错误判决要比对另一类的判决更为关键时，就需要把最小错误概率的贝叶斯判别做一些修正，提出条件平均风险 rj(x)。 • M类分类问题的条件平均风险 rj(x) –对 M类问题，如果观察样本被判定属于 ωj类 ，则条件平均风险为： – Lij称为将本应属于 ωi类的模式判别成属于 ωj类的是非代价。 作为统计判别问题的模式分类 贝叶斯最小风险判别 • 意义 – 对于自然属性是属于 ωi类的模式 x来说，它来自 ωi类的概率应为 P(ωi |x)。 – 如果分类器判别 x是属于 ωj类，但它实际上来自 ωi类，也就是说分类器失败，这时 Lij为失分，对应的条件风险为后验概率进行 Lij的加权运算。 – 由于模式 x的自然属性可能来自 M类中的任一类，因此可将观察样本指定为 ωj类的条件平均。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。