模式識別筆記(二)——貝葉斯(最小錯誤和最小風險)
阿新 • • 發佈:2019-01-31
統計模式識別方法,計算逆向概率
貝葉斯法則:當分析樣本大到接近總體數時,樣本中事件發生的概率將接近於總體中事件發生的概率。
1. 最大後驗概率決策(最小錯誤率決策Minimum-error-rate Bayes classification)
先驗概率:
類條件概率:
後驗概率:
最大後驗概率決策:
後驗概率形式
條件概率形式
似然比形式
最大後驗概率使平均誤差概率達到最小;
後驗概率越集中,則錯誤率越小,後驗概率越平緩,越接近均勻分佈,則錯誤率越大。
最小錯誤率決策:
決策判定方法同最大後驗概率
2. 最小風險決策(Minimum-risk Bayes classification)
錯誤率最小並不一定是最佳選擇。實際應用時, 從根據不同性質的錯誤會引起不同程度的損失考慮出發, 寧可擴大一些總的錯誤率。
把第i類錯判為第j類的風險
建立損失函式
對應的損失矩陣
最小損失準則
對於兩類問題
當取0-1損失函式時,最小風險貝葉斯判決準則等價於最
小錯誤率貝葉斯判決準則
步驟:求後驗概率,再求條件風險,在選擇風險最小的決策