贝叶斯错误率

贝叶斯错误率（Bayes error rate），工学-信息与通信工程-模式识别-统计模式识别-贝叶斯错误率，所有独立同分布样本上分类错误概率的期望。是应用贝叶斯分类规则的分类器的错误率。在二类或多类分类问题中，假定样本为维特征向量，待分类的类别有个，记为。假设各类的先验概率和概率密度分布已知，贝叶斯分类的决策规则是将判为后验概率最大的类别。此规则又称为最大后验概率决策，由此产生的分类错误率最小，称为贝叶斯错误率。贝叶斯错误率是应用贝叶斯分类规则的分类器的错误率，定义为所有服从同样分布的独立样本上分类错误概率的期望，即。基于贝叶斯分类规则的分类器又称为贝叶斯分类器，在最小化分类错误率上是最优的。但是，贝叶斯分类所依赖的后验概率或类条件概率密度是难以准确估计的，所以贝叶斯错误率是理想情况下的最优分类错误率。实际中不同类型的分类器都是对贝叶斯分类器的近似。