樸素貝葉斯模型使用0-1損失函數來選擇最優模型
0-1損失函數定義如下:
L(Y, f(X))的期望爲:
L(Y, f(X))代表f(x)的損失函數,因此要讓它和標記儘量小,也普是在讓儘量大,也就是後驗概率最大化。
樸素貝葉斯模型使用0-1損失函數來選擇最優模型
0-1損失函數定義如下:
L(Y,f(X))={1,0,Y=f(X)Y=f(X)
L(Y, f(X))的期望爲:
E[L(Y,f(X))]=k∑L(ck,f(x))P(Ck∣X)=k∑L(ck,f(x))P(Ck=f(x)∣X)=1−P(f(x)=Ck∣X)
L(Y, f(X))代表f(x)的損失函數,因此要讓它和標記儘量小,也普是在讓P(f(x)=Ck∣X)儘量大,也就是後驗概率最大化。