4.1.2 后验概率最大化的含义

朴素贝叶斯法将实例分到后验概率最大的类中，这等价与期望风险最小化。
假设采用0-1损失函数：
$$L(Y,f(X))=\{\begin{array}{l}1,Y\ne f(X)\\ 0,Y=f(X)\end{array}$$
其中$f(X)$是分类决策函数，$X,Y$的联合概率分布是$P(X,Y)$。
期望风险函数为
$$\begin{array}{c}\begin{array}{rl}{R}_{exp}(f)& =E(L(Y,f(X)))\\ & =E_X(L(Y,f(X))P(Y|X))\end{array}\end{array}$$
需要对上式极小化。

下面推导等会儿要用到的等式：
y∈{ c1,c2,…,cK}y \in \{c_1,c_2, \dots, c_K\}