朴素贝叶斯模型假设,给定类别成员,观测值具有某种多元分布,但构成观测值的预测值或特征是独立的。这个框架可以容纳一个完整的特征集,这样一个观测值就是一组多项式计数。
要训练朴素贝叶斯模型,请使用fitcnb
在命令行界面中。训练后,通过将模型和预测数据传递给预测
.
分类学习者 | 使用有监督的机器学习训练模型来分类数据 |
分类朴素贝叶斯 |
用于多类分类的朴素贝叶斯分类 |
CompactClassificationNaiveBayes |
用于多类分类的紧实朴素贝叶斯分类器 |
分类分区模型 |
旨在分类模型 |
创建和比较朴素贝叶斯分类器,并导出经过训练的模型以预测新数据。
了解监督学习的步骤和非参数分类和回归函数的特点。
分类响应数据
朴素贝叶斯分类器设计用于在每个类中预测器彼此独立的情况下,但它在实践中似乎工作得很好,即使独立假设是无效的。
这个例子展示了如何可视化Naive Bayes分类算法的分类概率。
此示例演示如何使用判别分析、朴素贝叶斯分类器和决策树执行分类。
这个例子展示了如何可视化不同分类算法的决策面。