贝叶斯判别(Bayesdiscriminant)判别分析的一种方法。以平均误判损失最小为最优准则来建立判别规则，并以此对样品（被试）作出归属何个总体的判别分析。 设有k个力维总体G1,G2,…,G,密度函数分别为f(x),各总体出现的先验概率为q,q2·…,qk,记C(ji)为实际来自G;的样品误判到G产生的损失(i,j=1,2,…,k),约定C(ii)=0。又设D1,D2,…,Dk是根据判别规则产生的样本空间的一个划分，若样品x∈Di,则将x判归G;(i=1,2,…,k)。在这些假设下，来自G的样品x被误判为G的概率为P(j|)=(x)dr,从而来自G的样品被误判的平均损失为L(D:)=之P(ji)C(ji)。于是总的平均误判损失为L(D1,D2,…,D)二。贝叶斯判别相当于选择样本空间的一个划分，使L(D1,D2,…,Dk)达到极小。记h(x)之qf,(x)C(uj),t=1,2,…,k,贝叶斯判别的规则是：若x使得min{h(x)》=h(x),则将x判归Gi。若误判损失都相同，则贝叶斯判别规则为：若x使得qf(x)>qifi(x)(对所有的)，则将x判归G。对于两个正态总体，若误判损失相同，先验概率也相同，贝叶斯判别与距离判别结果一致，判别函数和判别规则也一致。