Statistics 机器学习中推理和决策理论之间的关系是什么？

我做了一张图表来说明我对推理和决策理论之间关系的理解。有人能指出数字中的错误吗？

不要费心尝试“公平”，包括贝叶斯解释和常客解释。如果一个是有效的，那么另一个是胡说八道。挑一个或另一个。当然，我的建议是选择贝叶斯解释

我将以不同的方式表述贝叶斯决策理论方法。陈述目标，然后从目标开始反向工作

• 目标：计算错误分类的预期损失，并选择预期损失最小的类别
• （选择k类的预期损失）=（j类之和）（当实际类为j类时选择k类的成本）乘以（给定可观测值x的j类概率）
• （误分类成本）=使对角元素小于非对角元素的矩阵，即正确分类的成本小于误分类
• （给定x的j类概率）通过生成模型或判别模型计算
• 判别模型：直接计算（给定x类j的概率）
• 生成模型：计算（给定j类x的概率）和（j类的概率），然后使用贝叶斯定理

不要费心尝试“公平”，包括贝叶斯解释和常客解释。如果一个是有效的，那么另一个是胡说八道。挑一个或另一个。当然，我的建议是选择贝叶斯解释

我将以不同的方式表述贝叶斯决策理论方法。陈述目标，然后从目标开始反向工作

• 目标：计算错误分类的预期损失，并选择预期损失最小的类别
• （选择k类的预期损失）=（j类之和）（当实际类为j类时选择k类的成本）乘以（给定可观测值x的j类概率）
• （误分类成本）=使对角元素小于非对角元素的矩阵，即正确分类的成本小于误分类
• （给定x的j类概率）通过生成模型或判别模型计算
• 判别模型：直接计算（给定x类j的概率）
• 生成模型：计算（给定j类x的概率）和（j类的概率），然后使用贝叶斯定理