最小错误率贝叶斯决策

在通常的模式识别问题中，人们的目标每每是尽可能减小分类的错误，追求最小的错误率。根据以前的文章，即求解一种决策规则，使得：web minP(e)=∫P(e|x)p(x)dx 这就是 最小错误率贝叶斯决策。 在上式中， P(e|x)≥0,p(x)≥0 对于全部的 x 均成立，故 minP(e) 等同于对全部的 x 最小化 P(e|x) ，即：使后验几率 P(wi|x) 最大化。根据贝叶斯公式： sv

>>阅读原文<<