《机器学习（周志华）》Chapter7 贝叶斯分类

一、贝叶斯决策论     贝叶斯分类器通俗点理解就是在给定样本的情况下使得分类正确的概率越大，则分类器越好。反之分类错误的概率越小分类器越好。举个例子：以西瓜数据3.0为例，对编号为1的数据进行预测，预测是好瓜的概率越大分类器越好，这很容易理解。 我们可以将问题转化为最小化分类错误的概率，对于多分类类别我们考虑分类成所有不同类别期望损失（可以简单考虑为类别的平均值），假设有N种可能的假设，即y={

>>阅读原文<<