【機器學習】6.貝葉斯分類器

數學基礎html 貝葉斯決策論（機率框架下實施決策的基礎方法） 假設有N中可能的類別標記，即y={c1,c2,…,cn}, λ i j \mathop \lambda_{ij} λij​是將一個真是標記爲cj的樣本誤分類爲ci所產生的損失，基於後驗機率P（ci|x）可得到將樣本x的分類爲ci所產生的指望損失，即在樣本x上的條件風險。 R ( c i ∣ x ) = ∑ j = 1 N λ i j

>>阅读原文<<