二.贝叶斯决策论
2017-07-18 15:01
120 查看
2.1引言
是一种基本统计途径
出发点是利用概率的不同分类决策与相应的决策代价之间的定向折中。
做出的基本假设:决策问题可以用概率的形式来描述,并且假设所有相关的概率结构已知。
类条件概率密度:就是条件概率。A事件发生的情况下B事件发生的概率。
x代表的是一种特征,特征的作用就是当x发生的时候,是其中某一种类别的可能性很大。所以可以用x作为区分的特征。
先验概率为P(wj),意思是类别属于wj的概率。
后验概率为P(wj | x),在特征值x假设已知的条件下类别属于wj的概率。
似然函数是P(x|wj)。为wj关于x的似然函数。
误差概率:P18,含义就是判断错误的概率。
是一种基本统计途径
出发点是利用概率的不同分类决策与相应的决策代价之间的定向折中。
做出的基本假设:决策问题可以用概率的形式来描述,并且假设所有相关的概率结构已知。
类条件概率密度:就是条件概率。A事件发生的情况下B事件发生的概率。
x代表的是一种特征,特征的作用就是当x发生的时候,是其中某一种类别的可能性很大。所以可以用x作为区分的特征。
先验概率为P(wj),意思是类别属于wj的概率。
后验概率为P(wj | x),在特征值x假设已知的条件下类别属于wj的概率。
似然函数是P(x|wj)。为wj关于x的似然函数。
误差概率:P18,含义就是判断错误的概率。
相关文章推荐
- 贝叶斯决策论
- 贝叶斯决策论例子
- 贝叶斯决策论
- 贝叶斯决策论小结
- 贝叶斯决策论
- 《模式识别》第2章、贝叶斯决策论
- 第二章 模式识别- 贝叶斯决策论
- 机器学习笔记 - 贝叶斯决策论
- 《模式分类》读书笔记之一:贝叶斯决策论
- 机器学习 —— 基础整理(一)贝叶斯决策论;二次判别函数;贝叶斯错误率;生成式模型的参数方法
- 贝叶斯决策论
- 机器学习----贝叶斯分类器(贝叶斯决策论和极大似然估计)
- 贝叶斯决策论
- 贝叶斯决策论
- 机器学习之一——贝叶斯决策论
- 2.2 贝叶斯决策论——连续特征
- 模式分类--贝叶斯决策论--引言
- 机器学习笔记——贝叶斯分类器(I)贝叶斯决策论
- 模式分类--贝叶斯决策论2
- 第七章 贝叶斯决策论