Documente Academic
Documente Profesional
Documente Cultură
El teorema de Bayes
El famoso teorema deBayes se puede expresar de
varias maneras. Una de ellas es la siguiente.
Si:
Representa la probabilidad de que un patrn x pertenezca a la
clase
Ntese que el elemento p(x) es el mismo para todas las
clases, por lo tanto puede eliminarse
Para determinar la clase en la cual debe clasificarse un patrn
dado x, se puede usar el trmino a la izquierda de la ecuacin
anterior, o el trmino a la derecha. En el primer caso, dado un
patrn x, su clase se puede determinar como sigue:
En otras palabras, el patrn x es asignado a la clase en el
caso que su probabilidad a posteriori sea mxima
En
el segundo caso, dado un patrn x, su clase se
puede determinar como:
En otras palabras, el patrn x es asignado a la
clase para la cual su probabilidad a priori sea la
mxima.
Sin
prdida de generalidad y para simplificar la discusin, supondremos
que las N clases son equivocadas a priori. La expresin da cada funcin
de discriminacin , despus de eliminar los trminos redundantes
queda como:
Enseguida se discuten dos casos que se pueden presentar:
Caso 1: Las matrices de covarianza de las N clases son todas
diferentes, y en general, sin elementos nulos.
En este caso las funciones discriminantes son no literales. Todas las
combinaciones cuadrticas posibles de los elementos del vector de
rasgos se hacen manifiestas
La
matriz de covarianza de la clase puede
estimarse como:
Ejemplo:
Supngase el siguiente universo de patrones y
sus clases:
Entrenamiento
De
acuerdo a lo discutido en el entrenamiento del
clasificador a priori de Bayes es necesario calcular los
vectores de medias y de las matrices de covarianzas de
cada clase.
De igual manera:
Note como las matrices de covarianza de las dos
clases son iguales. Luego entonces, de acuerdo a
lo discutido, las funciones de discriminacin
pueden ser calculadas en
valores de x en ,
Para cada clase: