Академический Документы
Профессиональный Документы
Культура Документы
Евгений Борисов
Байесовский классификатор
методы ML
●
метрические — измеряем расстояния, определить ближайших
●
логические - построить правило (комбинацию предикатов)
●
статистические - восстановить плотность, определить вероятность
●
линейные - построить разделяющую поверхность
●
композиции - собрать несколько классификаторов в один
2
Байесовский классификатор
X - объекты, Y - метки классов
X ×Y - вероятностное пространство
с плотностью
p (x , y)
3
Байесовский классификатор
X - объекты, Y - метки классов
X ×Y - вероятностное пространство
с плотностью
p (x , y)
a : X ' →Y '
4
Байесовский классификатор
X - объекты, Y - метки классов
X ×Y - вероятностное пространство
с плотностью
p (x , y)
a : X ' →Y '
a ( x )=argmax P ( y|x)
y∈Y
5
Байесовский классификатор
6
Байесовский классификатор
о функционале среднего риска
7
Байесовский классификатор
о функционале среднего риска
8
Байесовский классификатор
о функционале среднего риска
Вероятность ошибки
P( A s , y)=∫ p(x , y)dx
As
где p (x , y) - плотность вероятностного пространства
9
Байесовский классификатор
о функционале среднего риска
Вероятность ошибки
P( A s , y)=∫ p(x , y )dx
As
где p (x , y) - плотность вероятностного пространства
λ ys >0 , ys ∈Y ×Y
10
Байесовский классификатор
о функционале среднего риска
Вероятность ошибки
P( A s , y)=∫ p(x , y )dx
As
где p (x , y) - плотность вероятностного пространства
λ ys >0 ; y , s∈Y
R (a)= ∑ ∑ λ ys P( A s , y)
y∈Y s∈Y
11
Байесовский классификатор
Средний риск: мат.ожидание потери классификатора
R (a)= ∑ ∑ λ ys P( A s , y)
y ∈Y s∈Y
пусть заданы:
●
априорные вероятности классов P( y)
●
плотности их распределений p (x , y)
●
потери от ошибки λ ys >0
тогда минимум среднего риска R(a) достигается классификатором
a( x)=argmin ∑ λ ys P( y) p(x| y)
s∈Y y∈Y 12
Байесовский классификатор
Теорема про оптимальный байесовский классификатор
пусть заданы:
●
априорные вероятности классов P( y)
●
плотности их распределений p (x , y)
●
потери от ошибки λ ys >0
тогда минимум среднего риска R(a) достигается классификатором
a( x)=argmin ∑ λ ys P( y) p(x| y )
s∈Y y∈Y
Дополнение:
если λ yy =0 ; λ y ≡ λ ys
то a( x)=argmax λ y P ( y) p( x| y)
y∈Y 13
Байесовский классификатор
принцип максимума апостериорной вероятности
формула Байеса :
P ( A ) P (B| A )
a ( x )=argmax P ( y|x) P( A|B)=
P (B)
y∈Y
байесовский классификатор
a( x)=argmax λ y P( y ) p ( x| y )
y∈Y
15