d(y, G-d(y,G) =(y-42)2Σ2(y-12)-(y-1)1(y-41) 贝叶斯( Bayes判别---(考计算题) 口贝叶斯判别法是通过计算被判样本x属于k个总体的条件概率P(n/x),n=1,2比 较k个概率的大小,将样本判归为来自出现概率最大的总体(或归属于错判概率最 小的总体)的判别方法 口一、最大后验概率准则 设有k个总体G④G…G且总体G1的概率密度为∫(x) ,样本x来自G,的先验概率为q1=12…k满足 q1+q2+ +91,利用贝叶斯理论,X属于G的后验概率 (即当样本x已知时,它属于G1的概率为: P(G/2)=92 i=12………k ∑qf(x) 最大后验概率判别准则:x∈G:若P(G/x)=maxP(G/x) 口例7:设有G1,G2和G3三个类,欲判别某样本x0属于哪一类.已 知q1=0.05,q2=0.65,q3=0.30,f(x0)=0.10f(x0)=063 f(x0)=24 现利用后验概率准则计算x属于各组的后验概率 P(G/x0)= f1(x0) 0.05×0.10 0.005 ∑(x)0.05×010+065×063+030×2411345=004 P(G1/x)=4x) 0.65×0.63 0.4095 =0.361 ∑9(x) 0.05×0.10+065×0.63+0.30×241.1345 P(G xo) a3s(o) 0.30×24 0.635 ∑q(x 0.05×0.10+0.65×063+0.30×241.1345 贝叶斯公式:P(B|A)=P(A|B)P(B ∑P(A|B)P(B) 口所谓 Fisher判别法,就是用投影的方法将k个不同总体在p维空间上的点尽可能分 散,同一总体内的各样本点尽可能的集中。用方差分析的思想则可构建一个较好区 分各个总体的线性判别法 -(只作了解)10/13 贝叶斯(Bayes)判别 ---------(考计算题)  贝叶斯判别法是通过计算被判样本 x属于 k个总体的条件概率 P（n/x),n=1,2…..k. 比 较 k 个概率的大小，将样本判归为来自出现概率最大的总体（或归属于错判概率最 小的总体）的判别方法。  一、最大后验概率准则  例 7：设有 G1，G2 和 G3 三个类，欲判别某样本 x0 属于哪一类．已 知 现利用后验概率准则计算 x0 属于各组的后验概率： 贝叶斯公式:  所谓 Fisher 判别法，就是用投影的方法将 k 个不同总体在 p 维空间上的点尽可能分 散，同一总体内的各样本点尽可能的集中。用方差分析的思想则可构建一个较好区 分各个总体的线性判别法 -------- (只作了解) ( ) ( ) ( ) ( ) ( , ) ( , ) 1 1 2 1 1 1 2 2 1 2 2 2 = −   −  − −   −  − − − y y y y d y G d y G 0.05, 0.65, 0.30, q1 = q2 = q3 = f 1 (x0 ) = 0.10 f 2 (x0 ) = 0.63 f 3 (x0 ) = 2.4 0.004 1.1345 0.005 0.05 0.10 0.65 0.63 0.30 2.4 0.05 0.10 ( ) ( ) ( ) 3 1 0 1 1 0 1 0 = =  +  +   = =  i= i i q f x q f x P G x 0.361 1.1345 0.4095 0.05 0.10 0.65 0.63 0.30 2.4 0.65 0.63 ( ) ( ) ( ) 3 1 0 2 2 0 2 0 = =  +  +   = =  i= i i q f x q f x P G x 0.635 1.1345 0.72 0.05 0.10 0.65 0.63 0.30 2.4 0.30 2.4 ( ) ( ) ( ) 3 1 0 3 3 0 3 0 = =  +  +   = =  i= i i q f x q f x P G x ( | ) ( ) ( | ) ( ) ( | ) i i i i i P A B P B P A B P B P B A  =