第二章 模式识别-贝叶斯决策论

第二章    贝叶斯决策论

     Duda的这一章第一句话是“贝叶斯决策是解决模式分类问题的一种基本统计途径。。。。”。什么意思呢？第二章说了模式识别领域的几个关键词，而这一章的贝叶斯有属于那一个步骤呢？为什么几乎所有的模式识别书都会现讲贝叶斯呢？      上面说是解决模式识别问题基本的“统计”途径，我们知道模式识别的三大基本步骤：采样、特征提取和识别，那这跟贝叶斯有什么关系呢？

     在用贝叶斯决策解决模式识别问题时，特征是“概率”，识别是“贝叶斯公式”，所以说贝叶斯决策是模式识别问题的基本统计途径。

     那我们需要提取什么样的概率呢？首先我们先来假设一个问题“我又交了个女朋友，我想知道有我们的关系将会怎样”。

    可以看出，条件概率是指给定条件x下，类别发生的概率

              似然函数是指给定类别下，条件x发生的概率

     条件也称之参数，因此类条件概率密度与似然函数是相逆的一个过程。一个由参数推结果，一个是由结果推参数。

     因此，利用贝叶决策的话，特征条件概率是需要知道的，另外特征先验概率也是需要知道的，这样通过公式，我们就可以逆推出后验概率了，贝叶斯公式很美。

    关于两类多类情况，最小误差率，分类器的简化设计，不再叙述。

    书中后续讲到了当似然函数服从“正态分布”的三种情况。