Bayesian Classification: Asymptotic Results
贝叶斯分类的渐近结果AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般贝叶斯分类；类别分配不等同于经济主体的离散选择，故不据此归入离散选择。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
贝叶斯分类的渐近结果
- 研究问题
- 论文研究两个分布已知、混合比例具有先验分布的子总体中，如何按误分类总数损失对一批观测作贝叶斯分类。
- 方法与思路
- 作者为未知混合比例引入先验，推导将观测归入两个子总体的贝叶斯规则，并研究该规则及若干近似的渐近性质。
- 材料陈述的贡献
- 摘要称获得所述分类问题的贝叶斯规则，并给出该规则及多种近似方法的渐近结果，具体性质在摘要中未展开。
- 阅读关注点
- 应核对先验的要求、两个已知分布之间的限制、联合分类规则的形式，以及近似方法对应的误分类风险与渐近准则。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；渐近结论与先验条件未说明，不能推广到两个子总体分布也未知的分类问题。
原文摘要
We have a population composed of two subpopulations whose probability properties are described by known univariate distribution functions, $G(x)$ and $H(x)$, respectively. The probability of observing an individual from the first population is $\theta$, from the second is $1 - \theta$. We assume $\theta$ is a random variable with a prior distribution on (0, 1) and find the Bayes rule for classifying $n$ observations as from $G$ or from $H$ when the loss function is equal to the number of misclassifications. The main results in the paper give the asymptotic properties of the Bayes rule and several proposed approximations.