人工智能学习笔记2:贝叶斯决策理论part1
Posted Mario cai
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了人工智能学习笔记2:贝叶斯决策理论part1相关的知识,希望对你有一定的参考价值。
贝叶斯决策必须符合的要求
模式识别基础概念:特征空间、特征向量、类型空间,
最小错误率准则
例子
最小风险准则
最小风险贝叶斯决策: 考虑各种错误造成损失不同而提出的一种决策规则。
MR最小风险概率估计
举个例子看看这两个准则在实际中的应用
因为无法将其判断所以我们需要引入第三个准则
根据似然数比:先验未知无法MAR,损失未知无法MR
Neyman-Pearson 准则假定先验概率是一个确定的值 ,此时判定结果会受到先验概率的影响 。
最小最大决策准则
: 在最差的条件下 争 取最 好 的结果,使最大风险最小!
看完三个准则我们开始用这些准则做分类器
分类器基本概念
判别函数的选择和规则
判别的过程
继续下一步。
判别函数融入高斯分布
生活中大多数事件都符合高斯分布
正态分布的判别函数例子
以上是关于人工智能学习笔记2:贝叶斯决策理论part1的主要内容,如果未能解决你的问题,请参考以下文章