贝叶斯公式 ·利用先验概率(观察到x之前)计算后验概率(观察到 X之后) P1|x) P(x OP(o) p(x)=∑p(x|a)P(a)可被视为常量约掉! ∑P(O|x)
• 利用先验概率（观察到x之前）计算后验概率（观察到 x之后） 贝叶斯公式 ( | ) ( ) ( | ) ( ) i i i p x P P x p x = 1 ( ) ( | ) ( ) c i i i p x p x P = = 可被视为常量约掉！ 1 ( | ) 1 c i i P x = =
贝叶斯公式 已知 未知 p(xa) P() 贝叶斯公式→P(O|x)
贝叶斯公式 ( | ) P x i ( | )i p x x ( ) P i 已知 未知 贝叶斯公式
贝叶斯决策的特例 特例 均匀先验概率:P(α1)=P(02) 决策仅仅依赖于p(x|O) 从样本中观察到x的情况下 如果P(x|O)≥P(x|),i≠, 则预测该模式为O
贝叶斯决策的特例 • 特例1 • 均匀先验概率： • 决策仅仅依赖于 ( | )i p x 从样本中观察到 的情况下， 如果 ， 则预测该模式为 ( | ) ( | ), P x P x i j j i x j
贝叶斯决策的特例 特例2 ·相同的类条件概率密度函数: p(x|01)=p(X|02)=…=p(x|c) ·决策仅仅依赖于先验概率 如果P()≥P(a)≠/,则预测模式为0
贝叶斯决策的特例 • 特例2 • 相同的类条件概率密度函数： • 决策仅仅依赖于先验概率 如果 P P i j ( ) ( ), j i ，则预测模式为 j
例子(1 Pair O.8 4 类条件概率密度函数图 后验概率图 P()=2/3 P(OD2)=1/3
例子（1） 2 P( ) 1/ 3 = 类条件概率密度函数图 后验概率图 1 P( ) 2 / 3 =