学习记录——统计学习简介之贝叶斯决策理论
2017-03-17 15:56
351 查看
统计决策理论:
比较统计过程的形式化理论
最小风险准则
最小条件错误率准则:在限定一类错误率条件下使另一类错误率为最小
最小最大决策准则
(2)目标:给每个输入数据标记一个类属性
(3)两个阶段:
1)建模/学习:基于训练样本学习分类规则
2)分类/测试:对输入数据应用分类规则
已有:类条件概率密度函数p(x|Ci)
预知:后验概率p(Ci|x)
使得每个观测值下的条件错误率最小因而保证了(平均)错误率小
(1)做决策要考虑决策可能引起的损失
(2)以医生根据白细胞浓度判断一个人是否患血液病为例:
没病(Wi)被判为有病(W2),还可以做进一步检查,损失不大
有病(W2)被判为无病(W1),损失严重
Bayes决策的三个前提:
(1)类别数确定
(2)各类的先验概率P(Ci)已知
(3)各类的条件概率密度函数p(x|Ci)已知
问题的转换:
(1)基于样本估计P(Ci)和p(x|Ci)
(2)基于样本直接确定判别函数
比较统计过程的形式化理论
Bayes决策常用的准则
最小错误率准则最小风险准则
最小条件错误率准则:在限定一类错误率条件下使另一类错误率为最小
最小最大决策准则
问题描述
(1)给定:m个类,训练样本和未知数据(2)目标:给每个输入数据标记一个类属性
(3)两个阶段:
1)建模/学习:基于训练样本学习分类规则
2)分类/测试:对输入数据应用分类规则
最大后验(Maximum A Posterior)分类
什么是最优分类器已有:类条件概率密度函数p(x|Ci)
预知:后验概率p(Ci|x)
Bayes最小错误率(MAP)决策
MAP决策的错误率
Bayes决策是一致最优决策使得每个观测值下的条件错误率最小因而保证了(平均)错误率小
MAP决策的扩展:最小Bayes风险
决策的风险:(1)做决策要考虑决策可能引起的损失
(2)以医生根据白细胞浓度判断一个人是否患血液病为例:
没病(Wi)被判为有病(W2),还可以做进一步检查,损失不大
有病(W2)被判为无病(W1),损失严重
Bayes决策:讨论
基于Bayes决策的最优分类器Bayes决策的三个前提:
(1)类别数确定
(2)各类的先验概率P(Ci)已知
(3)各类的条件概率密度函数p(x|Ci)已知
问题的转换:
(1)基于样本估计P(Ci)和p(x|Ci)
(2)基于样本直接确定判别函数
相关文章推荐
- 学习记录-统计学习简介之统计学习方法概述
- GDI+学习记录(8)- 画刷 Brush简介
- [Machine Learning step by step] 1 统计学习:scikit-learn机器学习简介
- Android 学习记录之equestWindowFeature简介
- Bootstrap Metronic 学习记录(一)简介
- 关于用python的SQLAlchemy访问数据库的学习记录,及SQLAlchemy的安装简介
- spring security学习记录---简介
- GMF学习记录(一) GMF简介
- STL学习记录(一):STL简介
- 7、XML 学习记录——简介
- MySQL学习记录(简介+语法+演示分析)一
- Android学习记录1—读取metaData与渠道号统计应用
- NS3学习记录(三)---一些统计工具安装
- Redis学习记录之简介(一)
- JavaWeb学习记录(二十六)——在线人数统计HttpSessionListener监听实现
- [Machine Learning step by step]1 统计学习:scikit-learn机器学习简介
- Linux学习记录--文件系统简介
- TestNG学习记录--------简介和安装
- ISLR读书笔记(1)统计学习简介
- 记录:简介 深度学习在自动驾驶中的应用