学长让我自学西瓜书，我想偷懒一下就找借口说复习模式识别一周，不过其实我也有点心虚
1 几个概念
先验概率：某件事情发生的几率
类条件概率密度：事情还未发生，但已有先兆，求此事发生的概率
后验概率：事情发生后，探寻某个原因的概率
2 几种常用的决策规则（需要先验概率、类条件概率求得后验概率）
基于最小错误率的贝叶斯决策（需要先验概率、类条件概率）
就是最大后验概率分类器，用人话说就是（依据后验概率的大小）找最可能的那个区分类
基于最小风险判别风险
加入了风险矩阵而已
2.2.3最大似然值判断（需要先验概率、类条件概率）
1、由最小错误判别率为目标
其实就是类条件概率之比和先验概率作比较
2、由最小风险判别率为目标
同样是类条件概率之比与先验概率之比的变式作比较
2.2.4Neyman-Pearson判别规则
如果一种错误比另一种错误更重要，在保持重要错误率不变时，使得另一种错误率最小
3 概率密度函数的参数估计
贝叶斯决策理论需要先验概率、类条件概率求得后验概率。但是类条件概率密度函数估计比较困难，本节由样本估计分布函数的参数。
3.2最大似然值估计
取能够使得最大似然函数值取最大的值
3.3贝叶斯估计与贝叶斯学习
在求出先验概率、后验概率后，最小风险法求参数的概率
3.4非参数估计
从样本出发，直接推断概率密度函数。由离散的样本估计任意一点的密度
