mxYlulu的博客

源自西瓜书 基本流程 训练集D={(x1,y1),(x2,y2),...,(xm,ym)}D=\{(x_1,y_1),(x_2,y_2),...,(x_m,y_m)\}D={(x1​,y1​),(x2​,y2​),...,(xm​,ym​)} 属性集A={a1,a2,...,ad}A=\{a_1,a_2,...,a_d\}A={a1​,a2​,...,ad​} 过程： 生成结点nodenodenode; if Dif\ Dif D中样本全部属于类别C thenC\ thenC&

PS:PS:PS: 以下大部分基于西瓜书 贝叶斯决策论是概率框架下实施决策的基本方法。 贝叶斯决策论 假设有NNN种可能的类别标记，即{c1,c2,...,cN}\{c_1,c_2,...,c_N\}{c1​,c2​,...,cN​}，λij\lambda_{ij}λij​是将一个真实标记为cjc_jcj​的样本误分类为cic_ici​所产生的损失，基于后验概率P(ci∣x)P(c_i|x)P(ci​∣x)可获得将样本xxx分类为cic_ici​所产生的期望损失，即在样本xxx上的"条件风险"： R(ci∣