- 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。
