《機器學習（周志華）》Chapter7 貝葉斯分類

一、貝葉斯決策論     貝葉斯分類器通俗點理解就是在給定樣本的情況下使得分類正確的概率越大，則分類器越好。反之分類錯誤的概率越小分類器越好。舉個例子：以西瓜數據3.0爲例，對編號爲1的數據進行預測，預測是好瓜的概率越大分類器越好，這很容易理解。 我們可以將問題轉化爲最小化分類錯誤的概率，對於多分類類別我們考慮分類成所有不同類別期望損失（可以簡單考慮爲類別的平均值），假設有N種可能的假設，即y={

>>阅读原文<<