สำหรับเมทริกซ์ต้นทุน
L = [ 010.50] c1ค2คาดการณ์ค1ค2ความจริง
การสูญเสียของการเรียนการทำนายเมื่อความจริงก็คือระดับค2เป็นL 12 = 0.5และค่าใช้จ่ายในการคาดการณ์การเรียนค2เมื่อความจริงก็คือระดับค1เป็นL 21 = 1 มีค่าใช้จ่ายสำหรับการคาดการณ์ที่ถูกต้องไม่เป็นL 11 = L 22 = 0 ความเสี่ยงตามเงื่อนไขRสำหรับการทำนายคลาสkนั้นคือค1ค2L12= 0.5ค2ค1L21= 1L11= L22= 0Rk
R ( c1| x)R ( c2| x)= L11ประชาสัมพันธ์( c1| x)+ L12ประชาสัมพันธ์( c2| x)= L12ประชาสัมพันธ์( c2| x)= L22ประชาสัมพันธ์( c2| x)+ L21ประชาสัมพันธ์( c1| x)= L21ประชาสัมพันธ์( c1| x)
เพื่อลดความเสี่ยง / การสูญเสียให้น้อยที่สุดคุณทำนายถ้าค่าใช้จ่ายจากความผิดพลาดในการทำเช่นนั้น (นั่นคือการสูญเสียการคาดคะเนผิดครั้งที่ความน่าจะเป็นหลังที่การทำนายผิด ) เล็กกว่าค่าใช้จ่ายในการทำนายทางเลือกโดยมิชอบL 12 Pr ( c 2 | x )ค1L12ประชาสัมพันธ์( c2| x)
Pr(c2|x)∝Pr(x|c2)Pr(c2)Pr(c1)=Pr(c2)=0.51
L12ประชาสัมพันธ์( c2| x)L12Pr ( x | c2) Pr ( ค2)L12ประชาสัมพันธ์( c2)L21ประชาสัมพันธ์( c1)< L21ประชาสัมพันธ์( c1| x)< L21Pr ( x | c1) Pr ( ค1)< Pr ( x | c1)Pr ( x | c2)
ที่บรรทัดที่สองใช้กฎของเบย์(c_2) ให้ความน่าจะเป็นก่อนหน้าเท่ากับคุณได้
ประชาสัมพันธ์( c2| x)∝Pr(x | c2) Pr ( ค2)ประชาสัมพันธ์( c1) = Pr ( c2) = 0.512< Pr ( x | c1)Pr ( x | c2)
ดังนั้นคุณเลือกที่จะจัดประเภทการสังเกตเนื่องจากเป็นอัตราส่วนความน่าจะเป็นที่สูงกว่าเกณฑ์นี้ ตอนนี้มันไม่ชัดเจนกับผมว่าคุณต้องการที่จะรู้ว่า "เกณฑ์ที่ดีที่สุด" ในแง่ของอัตราส่วนความเป็นไปได้หรือในแง่ของแอตทริบิวต์xคำตอบจะเปลี่ยนไปตามฟังก์ชั่นค่าใช้จ่าย การใช้ Gaussian ในความไม่เท่าเทียมกับและ , ,
x σ 1 = σ 2 = σ μ 1 = 0 μ 2 = 1 1ค1xσ1= σ2= σμ1= 0μ2= 1xL12=L21บันทึก(L12
12เข้าสู่ระบบ( 1)2)เข้าสู่ระบบ( 1)2)xσ2x< 12 π√σประสบการณ์[ - 12 σ2( x -μ1)2]12 π√σประสบการณ์[ - 12 σ2( x - μ2)2]< บันทึก( 1)2 π--√σ) - 12 σ2( x - 0 )2- [บันทึก( 1)2 π--√σ) - 12 σ2( x - 1 )2]< - x22 σ2+ x22 σ2- 2 x2 σ2+ 12 σ2< 12 σ2- บันทึก( 1)2)< 12- บันทึก( 1)2) σ2
ดังนั้นเกณฑ์การทำนายในแง่ของ
xในขณะที่คุณค้นหาสามารถทำได้ก็ต่อเมื่อการสูญเสียจากการคาดการณ์ที่ผิดพลาดเหมือนกันนั่นคือเพราะเมื่อนั้นคุณจะมีและคุณจะได้รับ{2}
L12= L21x0<1เข้าสู่ระบบ( ล12L21) =บันทึก( 1 ) = 0x0< 12