Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Naive Bayes

El modelo Bayes naive con predictores gaussiano, multinomial o kernel

Los modelos Bayes Naive asumen que las observaciones tienen alguna distribución multivariada dada la membresía de clase, pero el predictor o las características que componen la observación son independientes. Este marco puede acomodar un conjunto de características completo de tal forma que una observación es un conjunto de recuentos multinomiales.

Para entrenar un modelo Bayes ingenuo, utilice en la interfaz de línea de comandos.fitcnb Después de entrenar, predecir etiquetas o estimar las probabilidades posteriores pasando el modelo y los Datos predictores a.predict

Aplicaciones

El alumno de clasificaciónEntrenar modelos para clasificar los datos mediante el aprendizaje automático supervisado

Funciones

expandir todo

fitcnbTrain multiclase Bayes Ingenuo modelo
compactClasificador Bayes Ingenuo compacto
crossvalClasificador Bayes ingenuo de validación cruzada
kfoldEdgeMargen de clasificación para observaciones no utilizadas para la formación
kfoldLossPérdida de clasificación para observaciones no utilizadas para la formación
kfoldfunFunción de validación cruzada
kfoldMarginMárgenes de clasificación para observaciones no utilizadas para la formación
kfoldPredictPredecir la respuesta para observaciones no utilizadas para el entrenamiento
lossError de clasificación para el clasificador Bayes ingenuo
resubLossPérdida de clasificación para clasificadores Bayes ingenuos mediante la representación
logPRegistre la densidad de probabilidad incondicional para el clasificador Bayes ingenuo
compareHoldoutCompare las precisiones de dos modelos de clasificación utilizando nuevos datos
edgeBorde de clasificación para clasificadores Bayes ingenuos
marginLos márgenes de clasificación de los clasificadores Bayes ingenuos
resubEdgeBorde de clasificación para clasificadores Bayes ingenuos mediante el reenvío
resubMarginMárgenes de clasificación de los clasificadores Bayes ingenuos mediante la representación
predictPredecir etiquetas utilizando el modelo de clasificación Bayes ingenuo
resubPredictPredecir las etiquetas de reenvío del clasificador Bayes ingenuo

Clases

ClassificationNaiveBayesLa clasificación de Naive Bayes
CompactClassificationNaiveBayesClasificador Bayes Ingenuo compacto
ClassificationPartitionedModelModelo de clasificación de validación cruzada

Temas

Entrenar clasificadores Naive Bayes utilizando la aplicación clasificación aprendiz

Cree y compare los clasificadores Bayes ingenuos y exporte modelos entrenados para realizar predicciones para nuevos datos.

Flujo de trabajo de aprendizaje supervisado y algoritmos

Comprenda los pasos para el aprendizaje supervisado y las características de las funciones de clasificación y regresión no paramétricas.

Clasificación paramétrica

Los datos de respuesta categóricas

La clasificación Bayes Naive

El clasificador Bayes Ingenuo está diseñado para su uso cuando los predictores son independientes entre sí dentro de cada clase, pero parece funcionar bien en la práctica, incluso cuando esa suposición de independencia no es válida.

Trazar probabilidades de clasificación posterior

Este ejemplo muestra cómo visualizar las probabilidades de clasificación para el algoritmo de clasificación Bayes Naive.

Clasificación

En este ejemplo se muestra cómo realizar la clasificación mediante análisis discriminante, clasificadores Bayes ingenuos y árboles de decisión.

Visualice las superficies de decisión de diferentes clasificadores

Este ejemplo muestra cómo visualizar la superficie de decisión para diferentes algoritmos de clasificación.