有没有人有任何关于朴素贝叶斯分类器实现的建议，最好是在 C 中。我有 5 维二进制数据集。类标签也是二进制的。我在 Matlab 中使用了朴素贝叶斯分类器，结果很好。但是，是否有任何机器学习算法及其实现可以让我从类标签中推断出数据？在这种情况下，我想要从二进制类标签推断出的五维二进制数据。数据样本为 [1 1 0 1 0]，类别为 0。
最佳答案
因为你有一个二进制数据集，这里有一个使用 C 的很好的实现:
http://users.ics.tkk.fi/jhollmen/BernoulliMix/
这是我们目前在类(class)中使用的开源软件，您可以实际查看他是如何实现算法的。
关于你提出的问题，这是我的理解。
朴素贝叶斯分类器 (NBC) 所做的是在给定一些数据和标签的情况下预测 P(C|X)。根据贝叶斯定理，
P(C|X) = \frac{P(X|C)P(C)}{P(X)}
这意味着您只能预测未知数据的类别。相反，你想在那里做的是 P(X|C)。因此，您可以像这样训练您的模型，
P(X|C) = \frac{P(C|X)P(X)}{P(C)}
因此，您必须假设数据的分布......以及类似的东西，因此，如果您对数据的假设有误，它可能会非常准确。在你的情况下，你有二元属性 X 需要从标签类中估计，如果你假设属性是独立的，你需要的是这样的，
P(C|X_1,X_2,X_3,X_4,X_5) \proportional P(X_1|C)P(X_2|C)P(X_3|C)P(X_4|C)P(X_5|C)P(C)
这不是那么容易解决的.....
关于c - 朴素贝叶斯实现和从类标签推断数据，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/5104304/