第二章统计(bayesian)决策理论 - read.docVIP

第二章统计(bayesian)决策理论 - read.doc

  1. 1、本文档共8页,其中可免费阅读3页,需付费100金币后方可阅读剩余内容。
  2. 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
  3. 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
  4. 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第二章统计决策理论决策理论是统计模式识别方法的理论基础大多数人认为也是神经网络分类方法的理论基础说到底决策方法就是企望在后验概率据此确定样本的类别和代价即风险做这一决策产生的损失之间寻找一个平衡点当然我们希望越大越好越小越好基于最小错误率的决策最小错误率我们应将之理解为犯错误最小的概率与上一章的分类错误率不是一回事根据先验概率决策设有两个类别和它们的先验概率为已知对样本而言我们除知道和之外其它一无所知令若希望做决策时误差为最小则认为类似地若有个类别且则决策若这时我们不能作出决策该方法的缺陷之一是

第二章 统计(Bayesian)决策理论 Bayesian决策理论是统计模式识别方法的理论基础,大多数人认为也是神经网络分类方法的理论基础。说到底,Bayesian决策方法就是企望在后验概率P((j/x)(据此确定样本x的类别)和代价P(e)(即风险,做这一决策产生的损失)之间寻找一个平衡点。当然,我们希望P((j/x)越大越好,P(e)越小越好。 基于最小错误率(Minimum-error-rate)的决策 最小错误率(Probability of minimum error),我们应将之理解为犯错误最小的概率,与上一章的分类错误率不是一回事。 根据先验概率决策 设有两个类别(1和(2,它们

文档评论(0)

yanchuh + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档