このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
単純ベイズモデルでは,クラスメンバーシップが与えられた多変量分布が観測にあるが,観測を構成する予測子または特徴量は独立していると仮定します。このフレームワークでは,観測が一連の多項カウントになるように特徴セット全体を調整できます。
単純ベイズモデルを学習させるには,fitcnb
をコマンドラインインターフェイスで使用します。学習後に,モデルと予測子データを预测
に渡してラベルを予測するか事後確率を推定します。
分類学習器 | 教師あり機械学習を使用して,データを分類するようにモデルを学習させる |
ClassificationNaiveBayes |
マルチクラス分類のための単純ベイズ分類 |
CompactClassificationNaiveBayes |
マルチクラス分類のためのコンパクトな単純ベイズ分類器 |
ClassificationPartitionedModel |
交差検証分類モデル |
単純ベイズ分類器を作成および比較し,新しいデータについて予測を行うため学習済みモデルをエクスポートする。
教師あり学習の手順とノンパラメトリック分類および回帰関数の特性を理解します。
カテゴリカル応答データ
単純ベイズ分類器は,予測子が各クラス内で互いに独立しているときに使用するために設計されています。しかし,その独立仮定が有効でない場合にも,実際の場で良好に機能するようです。
この例では,単純ベイズ分類アルゴリズムについて分類確率を可視化する方法を示します。
この例では,判別分析,単純ベイズ分類器,決定木による分類を実行する方法を示します。
この例では,各種の分類アルゴリズムについて決定面を可視化する方法を示します。