统计模式识别——Bayes分类器（3）
上两节我们介绍了最小错误率和最小风险Bayes分类器，接下来谈谈最小最大决策。
最小最大Bayes决策
1.问题提出（假设C=2）
现在我们假定一种情况，先验概率未知或者不确定的前提，在这种前提下，绝对意义的最小风险不存在，这种情况下我们怎么求Bayes分类器。
2.求解思路
虽然P(ω1) 和P(ω2)未知，但我们可以假设他们确定，在先验概率确定的前提下设计一系列最小风险Bayes分类器；
然后在这一系列最小风险Bayes分类器中，取其中最大风险最小的一个来当作最后的最小最大Bayes分类器；
这样做的目的是为了控制最大风险。
3.问题的数学描述
已知：
ω1、p(x | ω1)和ω2 、p(x | ω2)；
Ω= {ω1，ω2}；
А = {α1，α2}；
损失函数λ(αi，ωj) ，简记λij；
发生了一个随机事件，其观察值为特征向量x；
求解：
最小最大风险分类器；
4.数学推导
5.求解流程
6.最小最大Bayes决策的特点
1. 已知条件多——各类概率分布及风险系数（相对最小风险较少）
2. 最小最大风险——概率意义上最优
3. 非线性分类器
4. 设计过程很复杂
以上就是最小最大Bayes分类器的介绍。