高斯朴素贝叶斯分类

Posted

技术标签:

【中文标题】高斯朴素贝叶斯分类【英文标题】:Gaussian Naive Bayes classification 【发布时间】:2015-08-27 13:50:27 【问题描述】:

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?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?只做一对一?

非常感谢您的帮助。

【问题讨论】:

【参考方案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已知类 Y 集合中的一个 (y0,y1,...yk)通过使用训练数据计算条件概率,告诉我们特定类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 中每个类的得分。然后我们将 Y 中得分最高的成员作为我们的特征集应该分配到的类。

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) 值都是正态分布的,这是唯一的“差异”,实际上并没有差异 GNB 只是朴素贝叶斯的一个子集。

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,这可能会很有用。

Tex 的完整披露者来自***。

【讨论】:

以上是关于高斯朴素贝叶斯分类的主要内容,如果未能解决你的问题,请参考以下文章

高斯朴素贝叶斯分类

贝叶斯方法—高斯,多项式,伯努利朴素贝叶斯分类

使用高斯朴素贝叶斯的多类分类

分类-朴素贝叶斯(高斯多项式伯努利)

朴素贝叶斯分类器(伯努利贝叶斯+高斯贝叶斯+多项式贝叶斯)

在数字分类数据上实现朴素贝叶斯高斯分类器