【贝叶斯判别】
拼译:Bayes discriminant
判别分析的一种方法。以平均误判损失最小为最优准则来建立判别规则,并以此对样品(被试)作出归属何个总体的判别分析。设有k个p维总体G1,G2,…,Gk,密度函数分别为fi(x),各总体出现的先验概率为q1,q2,…,qk,记C(j|i)为实际来自Gi的样品误判到Gj产生的损失(i,j=1,2,…,k),约定C(i|i)=0。又设D1,D2,…,Dk是根据判别规则产生的样本空间的一个划分,若样品x∈Di,则将x判归Gi(i=1,2,…,k)。在这些假设下,来自Gi的样品x被误判为Gj的概率为P(j|i)=|Djfi(x)dx,从而来自Gi的样品被误判的平均损失为L(Di)= P(j|i)C(j|i)。于是总的平均误判损失为L(D1,D2,…,Dk)= qi P(j|i)C(j|i)。贝叶斯判别相当于选择样本空间的一个划分,使L(D1,D2,…,Dk)达到极小。记ht(x)= qjfj(x)C(t|j),t=1,2,…,k,贝叶斯判别的规则是:若x使得min{ht(x)}=hl(x),则将x判归Gl。若误判损失都相同,则贝叶斯判别规则为:若x使得qlfl(x)>qifi(x)(对所有的i),则将x判归Gl。对于两个正态总体,若误判损失相同,先验概率也相同,贝叶斯判别与距离判别结果一致,判别函数和判别规则也一致。 |