返回信息流如图。
数学底子太差了。。。没看懂怎么去掉∑的。。。
对于取条件期望和对X＝x逐个极小化也是似懂非懂。。。
求大佬提点。
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #32117同步于 2018/10/31
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
Bayes 后验概率最大化的疑问
xiaotao
2018/10/31镜像同步7 回复
订阅后，新回复会通过你的通知中心匿名送达。
7 条回复
我觉得楼主写‘求和符号’那里的Σ应该不存在，本身p(y≠Ck | X=x)已经可以表示所有不是Ck的损失之和了。
正常推导:假设真实类别为C4, 总类别数K > 4 ,
则ΣL(Ck, y) * p(Ck | X=x)
= 1 * p(C1 | X=x) + 1 * p(C2 | X=x) + 1 * p(C3 | X=x) + 0 * p(C4 | X=x) + ......+1 * p(CK | X=x)
= p(y≠C4 | X=x)
= 1 - p(y=C4 | X=x)
…书上和我百度到的博客上，都是这里一样，上面有∑，下面没了…
【 在 poetry (AIer) 的大作中提到: 】
: 我觉得楼主写‘求和符号’那里的Σ应该不存在，本身p(y≠Ck | X=x)已经可以表示所有不是Ck的损失之和了。
: 正常推导:假设真实类别为C4, 总类别数K > 4 ,
: 则ΣL(Ck, y) * p(Ck | X=x)
: ...................
相等的情况…不也有多个k么。。。。
【 在 sworduo (君道) 的大作中提到: 】
: 假设a和b的概率是互斥并且概率加起来是1，那么b=1-a上面求和是所有不相等的情况，下面是相等的情况，所以加起来的概率是1。