"NaiveBayes" (機械学習メソッド)

詳細とサブオプション

  • 単純ベイズはベイズの定理 に基づく分類手法である．この手法は，クラスが与えられた場合に特徴 が独立であると仮定する．指定された例のクラス確率は となる．は特徴 の確率分布であり，はクラスの事前確率である．どちらの分布も訓練データから推測される．現在の実装では，分布は区分定数関数（つまり，変数幅のヒストグラム）を使ってモデル化される．
  • 次は使用可能なオプションである．
  • "SmoothingParameter" .2正規化パラメータ

例題

すべて開くすべて閉じる

例  (2)

ラベル付きの例で分類器関数を訓練する：

分類器についての情報を得る：

新たな例を分類する：

正規分布に従うデータを生成する：

可視化する：

このデータ集合で分類器を訓練する：

訓練集合と各クラスの確率分布を特徴の関数としてプロットする：

オプション  (2)

"SmoothingParameter"  (2)

"SmoothingParameter"サブオプションを使って分類器を訓練する：

"FisherIris"データ集合で，"SmoothingParameter"オプションの値を変えて，いくつかの分類器を訓練する：

これらの分類器を，訓練集合からのものではないデータ点で評価し，クラス"setosa"についてのクラス確率を比較する：