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%20)
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
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
