最小错误贝叶斯决策简介和算法实现(含matlab代码和Python代码)

最小错误贝叶斯分类器原理

在模式分类问题中，人们往往希望尽量减少分类的错误，从这样的要求出发，利用概率论中的贝叶斯公式，就能得出使错误率为最小的分类规则，称之为基于最小错误率的贝叶斯决策。
设有M类模式，分类规则为

最小错误贝叶斯决策步骤

第一步 确定判别函数：M类有M个判别函数g1 (x ), g2 (x)
,…, gm (x)，用于表示多类决策规则。多类判别函数可以定义为如下三种形式：

基于最小错误贝叶斯分类器的算法实现

该方法的准确性达96.67%，也就是30个样本只错了29个。
然后我根据上文的代码，用Python写了一遍，不得不说Matlab处理矩阵还是非常方便。但是用Python写一遍的正确率为100%，也就是全部预测准确，我想这可能是两种软件对待一些小数处理方式不一样造成的误差吧。有兴趣的大佬可以研究下为什么会有误差，是我代码哪里错了也不一定，下面放出Python代码：