Contents.m


 

 Synopsis:

  [y, dfce] = bayescls(X,model)



 Description:

  This function implements the classifier minimizing the Bayesian risk 

  with 0/1-loss function. It corresponds to the minimization of 

  probability of misclassification. The input vectors X are classified 

  into classes with the highest a posterior probabilities computed from 

  given model.

 

  The model contains parameters of conditional class probabilities

  in model.Pclass [cell 1 x num_classes] and a priory probabilities

  in model.Prior [1 x num_classes]. 



  The function

    p = feval(model.Pclass{i}.fun, X, model.pclass{i})

  is called to evaluate the i-the class conditional probability of X.

  

  It returns class labels y [1 x num_data] for each input vector

  and matrix dfce [num_class x num_data] of unnormalized a posterior

  probabilities

    dfce(y,i) = Conditional_probability(X(:,i)|y)*Prior(y).



  If the field model.eps exists then the Bayesian classifier 

  with the reject option is used. The eps is penalty for the 

  decision "don't know" which is indicated by label y = 0.

   

 Input:

  X [dim x num_data] Vectors to be classified.



  model [struct] Describes probabilistic model:

   .Pclass [cell 1 x num_classes] Class conditional probabilities.

   .Prior [1 x num_classes] A priory probabilities.



   .eps [1x1] (optional) Penalty of decision "don't know". 



 Output:

  y [1 x num_data] Labels (1 to num_classes); 0 for "don't know".

  dfce [num_classes x num_data] Unnormalized a posterior 

   probabilities (see above).



 Example:

  trn = load('riply_trn');

  tst = load('riply_tst');

  inx1 = find(trn.y==1);

  inx2 = find(trn.y==2);

  model.Pclass{1} = mlcgmm(trn.X(:,inx1));

  model.Pclass{2} = mlcgmm(trn.X(:,inx2));

  model.Prior = [length(inx1) length(inx2)]/(length(inx1)+length(inx2));

  ypred = bayescls(tst.X,model);

  cerror(ypred,tst.y)

 

 See also 

  BAYESDF, BAYESERR.
Modifications:
09-jun-2004, VF
01-may-2004, VF
11-mar-2004, VF, "don't" know decision added.
19-sep-2003, VF