Sung. 1. Từ chối kịch bản từ các lô p (ti | x) cho các phân phối Gaussian đơn biến. Với các xác suất hậu nghiệm và ngưỡng trong một hình thức đơn giản và tốt hơn cho việc kiêng phân loại: Quyết định y1 nếu p (t1 | x)> 1 - TR1, Với những kiến thức chính xác của p (ti), p (x | ti), và λij, người ta có thể tính toán rủi ro Bayes từ các phương trình sau: Rủi ro (y *) = λ11 C R1 + λ12 E1 + λ13 Rej1 + λ22 C R2 Quyết định y2 nếu p (t2 | x) ≥ 1 - Tr2, (10) + λ21 E2 + λ23 Rej2 Quyết định y3 f hoặc nếu không, Subject 0 <TR1 + Tr2 ≤ 1. So với các nguyên tắc quyết của eq. (6), được biểu diễn theo tỷ lệ khả năng, eq. (10) cùng với hình. 1 trình bày một cái nhìn tốt hơn cho người sử dụng hiểu AB- = λ11 R R1 + λ13 R R3 + λ22 R R2 p (t1) p (x | t1) dx + λ12 R R2 p (t1) p (x | t1) dx + λ21 R R1 p (t2) p (x | t2) dx + λ23 R R3 p (t1) p (x | t1) dx p (t2) p (x | t2) dx p (t2) p (x | t2) dx, (11) nhuộm phân loại Bayes. Một âm mưu của xác suất hậu nghiệm cho thấy lợi thế hơn một âm mưu của các tỷ lệ khả năng (Hình 2.3 trong [4]) để xác định ngưỡng từ chối. Lưu ý rằng trong hình. 1 lô được mô tả trên một biến một chiều cho các phân phối Gaussian của X. Việc đơn giản hóa hỗ trợ các đề xuất của Duda, et al, một trong đó "không nên làm mờ các điểm trung tâm được minh họa trong ví dụ đơn giản của chúng ta" [4]. Hai bộ các điểm hình học được trình bày cho các lô. Một tập được gọi là nơi C Ri, Ei và Reji là xác suất của các "Correct Recognition", "Lỗi", và "Từ chối" cho lớp thứ i trong phân loại, tương ứng; R1 và R3 là những khu vực phân loại Class 1, loại 2 và loại bỏ lớp, tương ứng. Các mối quan hệ chung giữa C Ri, Ei và Reji cho phân loại nhị phân được cho bởi [3]: C R1 + C R2 + E1 + E2 + Rej1 + Rej2 "điểm cross-over", ký hiệu là xci, được hình thành từ hai đường cong của p (t1 | x) và p (t2 | x). Và người kia được gọi là "điểm ranh giới", ký hiệu là XBJ. Các điểm ranh biệt CR và A =, CR + E = CR + E + Rej = 1, (12) khu vực phân loại tition cho vấn đề một chiều. Đối với một "không từ chối" trường hợp, các điểm ranh giới được điều khiển bởi các tỷ lệ (λ21 - λ22) / (λ12 - λ11). Trong kiêng phân loại, những điểm được xác định từ hai ngưỡng, tương ứng. Đối với nhiều vấn đề kích thước, người ta có thể hiểu rằng cả hai loại những điểm nêu trên trở thành là đường cong hoặc thậm chí hypersurfaces. Nơi CR, E, và Rej đại diện cho tổng công nhận đúng, tổng lỗi và tổng tỉ lệ loại bỏ, tương ứng; và A là mức độ chính xác của các phân loại. B. Thông số Redundancy Phân tích Chi phí Điều khoản phân loại Bayes xuất trình một trong các công cụ chung cho học tập nhạy cảm chi phí. Từ quan điểm này, có tồn tại một nhu cầu
đang được dịch, vui lòng đợi..