Наивный байесов

Наивная модель Bayes с Гауссовым, многочленом или предикторами ядра

Наивные модели Bayes принимают, что наблюдения имеют некоторое многомерное распределение, данное членство в классе, но предиктор или функции, составляющие наблюдение, независимы. Эта среда может разместить полный набор функций, таким образом, что наблюдение является набором количеств многочлена.

Чтобы обучить наивную модель Bayes, используйте fitcnb в интерфейсе командной строки. После обучения предскажите метки или оцените апостериорные вероятности путем передачи модели и данных о предикторе к predict.

Приложения

Classification LearnerОбучите модели классифицировать данные с помощью машинного обучения с учителем

Функции

развернуть все

fitcnbОбучите мультикласс наивная модель Bayes
compactКомпактный наивный классификатор Байеса
crossvalПерекрестный подтвержденный наивный классификатор Байеса
kfoldEdgeРебро классификации для наблюдений, не используемых в обучении
kfoldLossПотеря классификации для наблюдений, не используемых в обучении
kfoldfunКрест подтверждает функцию
kfoldMarginПоля классификации для наблюдений, не используемых в обучении
kfoldPredictПредскажите ответ для наблюдений, не используемых в обучении
lossОшибка классификации для наивного классификатора Байеса
resubLossПотеря классификации для наивных классификаторов Байеса перезаменой
logPРегистрируйте безусловную плотность вероятности для наивного классификатора Байеса
compareHoldoutСравните точность двух моделей классификации с помощью новых данных
edgeРебро классификации для наивных классификаторов Байеса
marginПоля классификации для наивных классификаторов Байеса
resubEdgeРебро классификации для наивных классификаторов Байеса перезаменой
resubMarginПоля классификации для наивных классификаторов Байеса перезаменой
predictПредскажите метки с помощью наивной модели классификации Бейеса
resubPredictПредскажите метки перезамены наивного классификатора Байеса

Классы

ClassificationNaiveBayesНаивная Байесова классификация
CompactClassificationNaiveBayesКомпактный наивный классификатор Байеса
ClassificationPartitionedModelПерекрестная подтвержденная модель классификации

Темы

Обучите наивные классификаторы Байеса Используя приложение Classification Learner

Создайте и сравните наивные классификаторы Байеса и экспортируйте обученные модели, чтобы сделать прогнозы для новых данных.

Контролируемое изучение рабочего процесса и алгоритмов

Изучите шаги для контролируемого изучения и характеристик непараметрической классификации и функций регрессии.

Параметрическая классификация

Категориальные данные об ответе

Наивная байесова классификация

Наивный классификатор Байеса спроектирован для использования, когда предикторы независимы друг от друга в каждом классе, но это, кажется, работает хорошо на практике, даже когда то предположение независимости не допустимо.

Постройте следующие вероятности классификации

В этом примере показано, как визуализировать вероятности классификации для Наивного Байесового алгоритма классификации.

Классификация

В этом примере показано, как выполнить классификацию с помощью дискриминантного анализа, наивных классификаторов Байеса и деревьев решений.

Визуализируйте поверхности решения различных классификаторов

В этом примере показано, как визуализировать поверхность решения для различных алгоритмов классификации.

Для просмотра документации необходимо авторизоваться на сайте