機器學習導論——Day6、7

第三章貝葉斯決策理論

3.1引言

不可觀測變數、可觀測變數

3.2分類

貝葉斯分類器Bayesclassifier選擇具有最高後驗概率的類

3.3損失與風險

定義動作a為 把輸入指派到類c的決策，而 為輸入實際屬於c時採取動作a的損失，於是得到期望風險，我們選擇具有最小風險的動作，多數情況默認0-1損失，即所有正確決策無損失，所有錯誤決策代價相同。

當錯誤代價很高時，會採用另一種方式，定義一個附加的拒絕或疑惑動作，則損失函數則分為了3種情況：0 如果正確；x 如果標為拒絕或疑惑；1 else。

3.4判別式函數

分類也可以看作實現一組判別式函數使我們做選擇。

3.5關聯規則

支持度、置信度、提升度

3.6注釋

推薦系統相關

3.7習題

5~11未做

推薦閱讀：