高斯朴素贝叶斯分类

Question

我找到了Naive Bayes分类器的以下Matlab实现：

https://github.com/jjedele/Naive-Bayes-Classifier-Octave-Matlab

高斯朴素贝叶斯和朴素贝叶斯有什么区别？我怎么能将上面的实现扩展为高斯朴素贝叶斯？

如何扩展使用4个类的实现？只做一对一的其他？

非常感谢您的帮助。

Answer 1

在朴素贝叶斯分类中，我们采用一组特征（x0，x1，... xn）并尝试将这些特征分配给我们所做的类（y0，y1，... yk）的已知集合Y之一通过使用训练数据来计算条件概率，该条件概率告诉我们特定类在训练集中具有某个特征的频率，然后将它们相乘。

结果是集合Y中每个类的分数。然后我们将Y的最高得分成员作为我们的特征集应该分配给的类。

到目前为止，我们还没有对p（x | C）分布的含义做出任何假设。

在Guassian Naive Bayes中，我们假设所有那些p（x | C）值都是正态分布的，这是唯一的“差异”，它实际上并不是差异GNB只是朴素贝叶斯的一个子集。

如果您没有大量的训练数据，并且愿意假设人口数据通常分布在您所拥有的样本（训练）数据的平均值上，这可能很有用。

完整披露Tex来自维基百科。