机器学习（六）——贝叶斯分类器

贝叶斯分类器是一类分类算法的总称，均以贝叶斯定理为理论基础

一、预备知识—贝叶斯决策论

1.公式

\qquad 贝叶斯决策论是概率框架下的实施决策的基本方法。对于分类任务来说，在所有相关概率都已知的理想情况下，贝叶斯决策论考虑如何基于概率和误判损失来选择最优的类别标记。

\qquad 假设有N种输出类别，表示为 $y$={ $c_1,c_2,c_3.....c_N$}
\qquad ${\lambda }_{ij}$表示为将一个真实属于$c_j$的样本误分类为$c_i$产生的损失。
\qquad 则将样本$x$分类为$c_i$所产生的期望损失，即在样本