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

请添加图片描述

模式识别基础概念：特征空间、特征向量、类型空间，

请添加图片描述

在这里插入图片描述

最小错误率准则

在这里插入图片描述

在这里插入图片描述
例子
在这里插入图片描述

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

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
举个例子看看这两个准则在实际中的应用

在这里插入图片描述
因为无法将其判断所以我们需要引入第三个准则
在这里插入图片描述

根据似然数比：先验未知无法MAR，损失未知无法MR

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
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 。
在这里插入图片描述

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！
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

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
在这里插入图片描述

判别函数的选择和规则
在这里插入图片描述
判别的过程
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
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

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

正态分布的判别函数例子

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

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

人工智能学习笔记4：贝叶斯决策理论part 3（贝叶斯估计）

人工智能学习笔记3：贝叶斯决策理论part 2

人工智能（模式识别）学习笔记：目录

人工智能（模式识别）学习笔记：目录

B-概率论-贝叶斯决策

机器学习实战读书笔记基于概率论的分类方法：朴素贝叶斯