이번역페이지는최신내용을담고있지않습니다。최신내용을영문으로보려면여기를클릭하십시오。
나이브베이즈모델은클래스멤버를고려해볼때관측값이일부다변량분포를가지지만관측값을구성하는예측변수또는특징은서로독립적이라고가정합니다。이프레임워크는관측값이다항개수의집합이되는완전한특징의집합을수용할수있습니다。
나이브베이즈모델을훈련시키려면명령줄인터페이스에서fitcnb
를사용하십시오。훈련후에는모델과예측변수데이터를预测
에전달하여레이블을예측하거나사후확률을추정합니다。
분류학습기 | 머신러닝지도학습을사용하여데이터를분류하도록모델훈련시키기 |
ClassificationNaiveBayes |
다중클래스분류를위한나이브베이즈분류 |
CompactClassificationNaiveBayes |
用于多类分类的紧凑型朴素贝叶斯分类器 |
ClassificationPartitionedModel |
旨在分类模型 |
创建和比较朴素贝叶斯分类器,并导出训练好的模型来预测新数据。
지도학습의단계와비모수적분류및회귀함수의특성을알아봅니다。
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朴素贝叶斯分类算法的分类概率。
이예제에서는판별분석,나이브베이즈분류기,결정트리를사용하여분류를수행하는방법을보여줍니다。
这个示例展示了如何为不同的分类算法可视化决策面。