主要内容
天真的贝父
朴素的贝叶斯模型与高斯，多项式或内核预测器
天真贝贝斯模型假设观察结果给定班级成员资格有一些多变量分布，但构成观察的预测因子或特征是独立的。该框架可以容纳一个完整的功能集，使得观察是一组多项计数。
训练一个天真的贝母模型，使用fitcnb在命令行界面中。通过将模型和预测器数据传递给培训，预测标签或估计后验概率预测。
应用
| 分类学习者 | 使用有监督机器学习训练数据分类模型 |
功能
班级
ClassificationniveBayes. |
Maive Bayes对多款分类进行分类 |
紧分类朴素贝叶斯 |
用于多类分类的紧凑朴素贝叶斯分类器 |
ClassificationededModel. |
交叉验证分类模型 |
话题
创建和比较Naive Bayes Classifiers，并导出训练有素的模型来对新数据进行预测。
了解监督学习的步骤以及非参数分类和回归函数的特征。
分类反应数据
朴素贝叶斯分类器设计用于预测值在每个类中相互独立的情况，但即使独立性假设无效，它在实践中也能很好地工作。
此示例显示如何可视化天真贝叶斯分类算法的分类概率。
此示例显示如何使用判别分析，幼稚贝叶斯分类器和决策树进行分类。
此示例显示如何为不同的分类算法可视化决策表面。
您还可以从以下列表中选择一个网站：
