我的问题涉及Wikipedia中贝叶斯错误率的特定表述，总结如下。

对于多类分类器，贝叶斯错误率可以计算如下：

$$p = 1 - \sum_{C_i \ne C_{\max,x}} \int_{x \in H_i} P(C_i|x)p(x)\,dx$$ 在哪里$x$是一个实例，$C_i$是一个实例被分类到的类，$H_i$是分类器函数的区域/区域$h$归类为$C_i$.

我们对错误分类实例的概率感兴趣，因此我们希望总结每个不太可能的类标签的概率（因此我们想查看$C_i \ne C_{\max, x}$）。

然而，积分让我感到困惑。我们想要整合一个与我们选择标签的概率相对应的区域$C_i$给定$x$. 但是我们画了$x$从$H_i$, 覆盖/分类的区域$C_i$，所以不会$P(C_i|x) = 1$?

我认为如果有人可以帮助澄清积分的意图，我的大部分困惑都会得到解决。

是不是从总空间中抽取随机样本$h$（分类器函数），然后将每个分类的概率相加$C_i \ne C_{\max, x}$? 如何$x$在被采样之前存在于外部总和中$H_i$在积分？