摘要： 原文链接 在【前一个例子】中已经举例说明了如何用贝叶斯公式计算后验概率，然后依据后验概率来做决策。 1、什么是行为？ 但是，有时候，后验概率本身只能说明具有特征x的样本属于ωi类的可能性有多少，却没能表示如果将样本分到ωi类时的代价有多大。 在此，引入行为的概念。 分类器的设计初衷很简单，就是进行“ 阅读全文

摘要： 原文链接 现在举一个例子说明怎么使用贝叶斯公式来做决策。 例子： 假设有100个人，每个人都有自己的生日。1年有12个月，假设这100个人的生日从1月到12月的人数的分布情况如下： 3 4 5 7 10 13 14 15 12 8 5 4 那么1月到12月生人所占的比率分别为： 0.0300 0.0 阅读全文

摘要： 原文链接 假设已知先验概率P(ωj)，也知道类条件概率密度p(x|ωj)，且j=1,2.那么，处于类别ωj，并具有特征值x的模式的联合概率密度可写成两种形式： p(ωj,x) = P(ωj|x)p(x) = p(x|ωj)P(ωj) 整理后得出贝叶斯公式（只有两种类型的情况下） 下面分别介绍一下后验 阅读全文