一、决策面(Decision Surfaces)
1.1 概念
如果输入的数据是一个 L L 维空间特征,考虑一个 分类问题,那么分类器将会把这个 L L 维空间的特征点分为 个区域。每个区域显然就属于一个类别,如果输入一个点 x x 落在第 个区域,那么 x x 就属于第 类。分割成这些区域的边界就称为决策面。
1.2 例子
下面是一个简答的例子:
输入是一维,决策函数是 p(x|w) p ( x | w ) ,将两个类别的函数取值画出(如图的高斯函数图形)。如图虚线部分就是决策面(该决策面其实就是一个点 x0 x 0 ),点的左边因为 w

本文详细介绍了贝叶斯决策中的决策面概念,通过1维空间的例子展示决策面如何划分类别,并数学化地阐述了决策面的确定方法。同时,讨论了判决函数的重要性,特别是单调递增函数在判决过程中的应用。最后,概述了不同特征空间中决策面的形态,从1维到3维的空间变化。
最低0.47元/天 解锁文章
2373

被折叠的 条评论
为什么被折叠?



