1 为什么使用贝叶斯决策理论的分类器
因为样本的统计方差以及测量传感器的噪声,设计分类器将未知类型的样本分类到最可能的类别中,我们的分类方法以特征值的统计概率为基础,我们现在的任务是定义什么是“最可能”。
如给定一个M类的分类任务和一个用特征向量X表示的未知样本,生成M个条件概率P(|X),i=1,2,...,M; 有时也称为后验概率(Posteriori probabilities),也就是对于特征向量X,每一项都代表未知样本属性属于某一特定类的概率。用这些条件概率来量化“最大可能”,我们的分类器或计算这些向量的最大值,或等价的计算它们定义函数估计最大值,未知样本就被划分到计算结果最大的一类中。
2 贝叶斯决策理论