贝叶斯分类器（Bayesian decision theory） 贝叶斯决策论是概率框架下实施决策的基本方法，通过相关概率预先已知的情况下对误判损失来选择最优的类别分类。 将标记为cj的样本误分类成ci产生的期望损失，即样本上的“条件风险”为 贝叶斯分类的最基本的思想是：为了最小化总体风险，只需在每 ...
分类：
其他好文 时间：
2016-09-14 21:57:36
阅读次数：
318
从贝叶斯方法谈到贝叶斯网络 0 引言 事实上，介绍贝叶斯定理、贝叶斯方法、贝叶斯推断的资料、书籍不少，比如《数理统计学简史》，以及《统计决策论及贝叶斯分析 James O.Berger著》等等，然介绍贝叶斯网络的中文资料则非常少，中文书籍总共也没几本，有的多是英文资料，但初学者一上来就扔给他一堆英文 ...
分类：
其他好文 时间：
2016-07-13 21:01:38
阅读次数：
278
从贝叶斯方法谈到贝叶斯网络 转自：http://blog.csdn.net/v_july_v/article/details/40984699 作者：v_JULY_v 0 引言 事实上，介绍贝叶斯定理、贝叶斯方法、贝叶斯推断的资料、书籍不少，比如《数理统计学简史》，以及《统计决策论及贝叶斯分析 Ja ...
分类：
其他好文 时间：
2016-05-18 21:48:05
阅读次数：
210
主要讲解了贝叶斯概率与统计派概率的不同。
概率论，决策论，信息论（probability theory, decision theory, and information theory）是以后用到的三个重要工具，本节主要介绍概率论，这里的介绍还是结合前面的多项式拟合的例子讲解。...
分类：
其他好文 时间：
2016-05-06 15:58:06
阅读次数：
285
初体验：概率论为我们提供了一个衡量和控制不确定性的统一的框架，也就是说计算出了一大堆的概率。那么，如何根据这些计算出的概率得到较好的结果，就是决策论要做的事情。一个例子：文中举了一个例子：给定一个X射线图x，目标是如何判断这个病人是否得癌症(C1或C2).我们把它看作是一个二分类问题,根据bayes...
分类：
其他好文 时间：
2015-08-14 15:35:37
阅读次数：
243
信息论 在本章中，我们讨论概率论和决策论的许多概念，他们是本书随后讨论的基础。我们通过引入一些信息论领域额外的概念来结束本章，这些概念也在模式识别和机器学习技术的发展中也是很有用的。再次，我们只关注关键的概念，并建议读者参考其他地方更详细的讨论（Viterbi和Omura，1979;Couver和Thomas，1991;MacKay，2003年）。
我们首先考虑一个离散型随机变量x并问当我们...
分类：
其他好文 时间：
2015-05-15 09:11:36
阅读次数：
282
决策论 我们已经在1.2节看到概率论如何为我们提供了对量化和操作不确定性的一个一致数学框架。这里，我们转向决策论的讨论，当它与概率论结合时，使得我们在涉及模式识别中遇到的不确定性情况下可以做出最优决策。
假设我们有一个输入向量x以及相应的目标向量t，我们的目标是给出x的新值来预测t。对于回归问题，t由连续变量组成，而对于分类问题，t代表类标签。联合概率分布p（x，t）提供了与这些变量相关的不...
分类：
其他好文 时间：
2015-05-12 15:51:06
阅读次数：
159
