高斯朴素贝叶斯分类

时间:2015-06-11 17:54:35

标签: matlab machine-learning classification naivebayes

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。

1 个答案:

答案 0 :(得分: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。

p(x|C)

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。

Gaussian Naive Bayes

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。