- 中文名
- 贝叶斯决策理论
- 外文名
- Bayesian decision theory
- 提出者
- 主观贝叶斯派
- 适用领域
- 统计,概率
- 应用学科
- 数学,统计学,模式识别
★根据后验概率大小进行决策分类
(1)如果,我们已知,被分类类别概率分布的形式和已颂赠经标记类别的训练样本集合,那我们,就需要从训练样本集合中,来估计概率分布的参数。在现实世界中,有时会出现这种情况。(如,已知为正态分布了,根据标记良和签好类别的样本来估计参数,常见的是极大似然率和贝叶斯参数估计方法)
(2)如果,我们不知道,任何有关被分类类别概率分布的知识,已知,已经标记类别的训练样本集合和判别式函数的形式,那我们,就需要从训练样本集合中,来估计判别式函数的参数。在现实世界中,有时会出现这种情况。(如,已知判别式函数为线性或二次的,那么,就要根据训练样本乎笑捉来估计判别式洪寻的参数,常见的是线性判别式和神经网络)
(3)如果,我们既不知道,任何有关被分类类别概率分布的知识,也不知道,判别式函数的形式,只有已经标记类别的训练样本集合。那我们,就需要从训练样本集合中,来估计概率分布函数的参数。在现实世界中,经常出现这种情况。(如,首先要估计是什么分布,再估计参数。常见的是非参数估计)
(4)只有没有标记类别的训练样本集合。这是经常发生的情形。我们需要对训练样本集合进行聚类,从而,估计它们概率分布的参数。(这是无监督的学习)
问题:
假设我们将根据特征矢量x 提供的证据来分类某个物体,那么我们进行分类的标准是什么?decide wj, if(p(wj|x)>p(wi|x))(i不等于j)应用贝叶斯展开后可以得到p(x|wj)p(wj)>p(x|wi)p(wi)即或然率p(x|wj)/p(x戒颈|wi)>p(wi)/p(wj),决策规则就是似然率测试规则。
结企求元定樱充论:
如果不做进一步的仔细观测,仅依靠先验概率去作决策,那么就应给出下列的决策规则:若P(D1)d>P(D2),则做出状态属于D1类的决策;反之,则做出状态属于D2类的决策。
例如,某设备在365天中,有故障是少见的,无故障是经常的,有故障的概率远小于无故障的概率。因此,若无特别明显的异常状况,就应判断为无故障。