上兩節我們介紹了最小錯誤率和最小風險Bayes分類器,接下來談談最小最大決策。
現在我們假定一種情況,先驗概率未知或者不確定的前提,在這種前提下,絕對意義的最小風險不存在,這種情況下我們怎麼求Bayes分類器。
雖然P(ω1) 和P(ω2)未知,但我們可以假設他們確定,在先驗概率確定的前提下設計一系列最小風險Bayes分類器;
然後在這一系列最小風險Bayes分類器中,取其中最大風險最小的一個來當作最後的最小最大Bayes分類器;
這樣做的目的是爲了控制最大風險。
已知:
ω1、p(x | ω1)和ω2 、p(x | ω2);
Ω= {ω1,ω2};
А = {α1,α2};
損失函數λ(αi,ωj) ,簡記λij;
發生了一個隨機事件,其觀察值爲特徵向量x;
求解:
最小最大風險分類器;
1. 已知條件多——各類概率分佈及風險係數(相對最小風險較少)
2. 最小最大風險——概率意義上最優
3. 非線性分類器
4. 設計過程很複雜
以上就是最小最大Bayes分類器的介紹。