Classifieur ML (Maximum likelihood)

On voudrait choisir un classe si Pr(type=valeur \ classe) > Pr(type=valeur \ autre classe)

Pour une observation l, on choisi la classe qui a le plus de ressemblance.

On ne dispose pas des données mais d’une connaissance a priori. ON exploite une connaissance pour en déduire une distribution.

Exemple : “dans la mer, il y a deux fois plus de saumon que de bars” : P(saumon)=2/3 et P(bar) = 1/3

Règle de décision de Bayes :

Pour avoir les probabilité a posteriori on se sert de la formule de Bayes