朴素贝叶斯模型假设观察有一些多元分布给定类会员,但预测或功能组合观测是独立的。这个框架可以容纳一个完整的特性集,这样一个观察是一组多项式。
训练一个朴素贝叶斯模型,使用fitcnb
在命令行界面。训练后,预测标签或估计后验概率通过模型和预测数据预测
。
分类学习者 | 火车模型使用监督机器学习分类数据 |
ClassificationNaiveBayes |
朴素贝叶斯分类的多类分类 |
CompactClassificationNaiveBayes |
紧凑的朴素贝叶斯分类器对多类分类 |
ClassificationPartitionedModel |
旨在分类模型 |
创建和朴素贝叶斯分类器进行比较,和出口训练模型对新数据进行预测。
理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
朴素贝叶斯分类器是设计用于当预测在每个类都是相互独立的,但它似乎很好地工作在实践中即使独立的假设是无效的。
这个例子展示了如何可视化分类概率的朴素贝叶斯分类算法。
这个例子展示了如何执行使用判别分析分类,朴素贝叶斯分类器和决策树。
这个例子展示了如何可视化决定表面不同的分类算法。