我发现了以下朴素贝叶斯分类器的 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？我如何将上述实现扩展为高斯朴素贝叶斯？
如何扩展实现以将其与 4 个类一起使用？只是进行一对一的对抗吗？
非常感谢您的帮助。
最佳答案
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 中的一个通过使用训练数据来计算条件概率，告诉我们特定类别在训练集中具有特定特征的频率，然后将它们相乘。
结果是集合 Y 中每个类别的分数。然后，我们将 Y 中得分最高的成员作为我们的特征集应分配到的类别。
到目前为止，我们还没有对 p(x|C) 分布的样子做出任何假设。
在高斯朴素贝叶斯中，我们假设所有这些 p(x|C) 值均呈正态分布，这是唯一的“差异”，而且实际上并不是差异，GNB 只是朴素贝叶斯的子集。
如果您没有大量训练数据，并且愿意假设总体数据关于您拥有的样本(训练)数据的平均值呈正态分布，那么这可能会很有用。
Tex 的完整披露来自维基百科。
关于matlab - 高斯朴素贝叶斯分类，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/30788043/