本文主要参考资料 　　最小错误率是在统计的意义上说的，请注意其含义。　　在这里要弄清楚条件概率这个概念。P(*|#)是条件概率的通用符号，在“|”后边出现的#为条件，之前的*为某个事件，即在某条件#下出现某个事件*的概率。P(ωK|X)是表示在X出现条件下，样本为ωK类的概率。　　一个事物 ...

理论上的东西，就不写了，也写不出什么有价值的东西，资料太多了。后文很多关于原理的讲述都给出了其他文章的引用。 分享一个比较简单易懂的贝叶斯决策理论与统计判别方法。 数据集： Dataset1.txt 328 个同学的身高、体重、性别数据（78 个女生、250 个男生 ...

CIFAR-10和CIFAR-100均是带有标签的数据集，都出自于规模更大的一个数据集，他有八千万张小图片。而本次实验采用CIFAR-10数据集，该数据集共有60000张彩色图像，这些图像是32*32 ...

本文简单整理了以下内容： （一）贝叶斯决策论：最小错误率决策、最小风险决策；经验风险与结构风险 （二）判别函数；生成式模型；多元高斯密度下的判别函数：线性判别函数LDF、二次判别函数QDF （三）贝叶斯错误率 （四）生成式模型的参数估计：贝叶斯学派与频率学派；极大似然估计、最大 ...

　　数据来自于一个不完全清楚的过程。以投掷硬币为例，严格意义上讲，我们无法预测任意一次投硬币的结果是正面还是反面，只能谈论正面或反面出现的概率。在投掷过程中有大量会影响结果的不可观测的变量，比如投掷的 ...

【此文介绍了贝叶斯公式】 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 ...

参考知乎上的解释。解答的非常明白易懂。https://www.zhihu.com/question/27670909 大致内容： 1、解答了先验概率和后验概率的概念。后验概率更加的准确，大部分机器学习模型尝试得到的也是后验概率 2、贝叶斯公式的推导 3、贝叶斯公式用于后验概率的求解。转换 ...

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 ...