# 贝叶斯分类器

贝叶斯分类器是运用概率模型给出样本的类别判断的方法。在通过样本得到概率模型之后，我们可以依据概率模型，给出样本属于某个类别的概率信息$$P(c\_i|\pmb{x})$$，表明的是给定样本$$\pmb{x}$$判定为$$c\_i$$类别的概率，那么可以给出相应的期望损失：

$$
R(c\_i|\pmb{x})=\sum\_{j=1}^{N}\lambda\_{ij}P(c\_j|\pmb{x})
$$

所给定的样本中共有$$N$$个类别，分别记为$$c\_1, c\_2, c\_3, ...,c\_N$$，$$\lambda\_{ij}$$表明的是将真实标记为$$c\_j$$的样本标记为$$c\_i$$所产生的损失。$$R(c\_i|\pmb{x})$$称为期望损失，即在样本$$\pmb{x}$$上的条件风险。