貝葉斯分類器筆記

提到貝葉斯，首先給出貝葉斯公式： web 貝葉斯決策論 假設有 N 種可能的類別標記，即 y = {C1， C2，… ， CN}， λij 是將一個真實標記爲 Cj 的樣本誤分類爲 Cj 所產生的損失.基於後驗機率 P(Ci I x) 可得到將樣本 x 分類爲 Ci 所產生的指望損失(expected loss) ，即在樣本 x 上的"條件風險」。分類正確時損失爲 0，不然損失爲 1。 咱們的任務

>>阅读原文<<