概率匹配

概率匹配是一种决策策略，其中对类成员资格的预测与类基率成正比。因此，如果在训练集中，60%的时间观察到的是正面的例子，40%的时间观察到的是负面的例子，那么使用概率匹配策略的观察者将在60%的实例上预测为正面的类标签，在40%的实例上预测为负面的类标签。在这种情况下，最佳的贝叶斯决策策略（为了使正确预测的数量最大化，见Duda,Hart&Stork(2001)）是始终预测正面（即在没有其他信息的情况下预测多数类别），这有60%的获胜机会，而不是匹配，这有52%的获胜机会（其中p是正面实现的概率，匹配的结果将是).

概率匹配策略具有心理学意义，因为它经常被人类受试者在决策和分类研究中使用（在这里它可能与汤普森抽样有关）。只有在所有类基率相同的情况下，概率匹配才会产生与上述贝叶斯决策策略相同的结果。因此，如果在训练集中有50%的时间观察到阳性例子，那么贝叶斯策略将产生50%的准确性（1×.5），就像概率匹配（.5×.5+.5×.5）一样。