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。