主要内容

朴素贝叶斯

用高斯朴素贝叶斯模型、多项式或内核预测

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。

应用程序

分类学习者 火车模型使用监督机器学习分类数据

功能

全部展开

fitcnb 火车多级朴素贝叶斯模型
紧凑的 减少机器学习模型的大小
石灰 本地可model-agnostic解释(石灰)
partialDependence 计算部分依赖
plotPartialDependence 创建部分依赖图(PDP)和个人条件期望(ICE)情节
沙普利 沙普利值
crossval 旨在机器学习模型
kfoldEdge 分类旨在分类模型的边缘
kfoldLoss 分类损失旨在分类模型
kfoldfun 旨在功能分类
kfoldMargin 分类利润率旨在分类模型
kfoldPredict 观察在旨在分类模型进行分类
损失 朴素贝叶斯分类器分类损失
resubLoss Resubstitution分类损失
logp 朴素贝叶斯分类器的日志无条件概率密度
compareHoldout 比较两种分类模型使用新数据的精度
边缘 朴素贝叶斯分类器的分类边界
保证金 朴素贝叶斯分类器的分类的利润率
resubEdge Resubstitution分类边缘
resubMargin Resubstitution分类保证金
testckfold 比较两种分类模型的精度重复交叉验证
预测 观察使用朴素贝叶斯分类器进行分类
resubPredict 使用训练数据训练分类器进行分类
incrementalLearner 朴素贝叶斯分类模型转换为增量学习

类

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

主题