4-2 朴素贝叶斯 策略公式的推导
Posted windmissing
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4-2 朴素贝叶斯 策略公式的推导相关的知识，希望对你有一定的参考价值。
朴素贝叶斯模型使用0-1损失函数来选择最优模型
0-1损失函数定义如下：
L
(
Y
,
f
(
X
)
)
=
1
,
Y
=
f
(
X
)
0
,
Y
≠
f
(
X
)
L(Y, f(X)) = \\begincases 1, && Y = f(X) \\\\ 0, && Y \\neq f(X) \\endcases
L(Y,f(X))=1,0,Y=f(X)Y=f(X)
L(Y, f(X))的期望为：
E
[
L
(
Y
,
f
(
X
)
)
]
=
∑
k
L
(
c
k
,
f
(
x
)
)
P
(
C
k
∣
X
)
=
∑
k
L
(
c
k
,
f
(
x
)
)
P
(
C
k
≠
f
(
x
)
∣
X
)
=
1
−
P
(
f
(
x
)
=
C
k
∣
X
)
E[L(Y, f(X))] = \\sum_kL(c_k, f(x))P(C_k|X) \\\\ = \\sum_kL(c_k, f(x))P(C_k \\neq f(x)|X) \\\\ = 1 - P(f(x)=C_k|X)
E[L(Y,f(X))]=k∑L(ck,f(x))P(Ck∣X)=k∑L(ck,f(x))P(Ck=f(x)∣X)=1−P(f(x)=Ck∣X)
L(Y, f(X))代表f(x)的损失函数，因此要让它和标记尽量小，也普是在让
P
(
f
(
x
)
=
C
k
∣
X
)
P(f(x)=C_k|X)
P(f(x)=Ck∣X)尽量大，也就是后验概率最大化。
以上是关于4-2 朴素贝叶斯 策略公式的推导的主要内容，如果未能解决你的问题，请参考以下文章