25、概率分类器与元分类器：原理、方法与优势

概率分类器与元分类器：原理、方法与优势

在机器学习领域，分类算法是解决众多实际问题的关键工具。然而，单一的分类算法往往难以在所有情况下都达到最佳效果。本文将介绍概率分类器和元分类器的相关知识，包括连续贝叶斯网络分类器、线性判别分析、逻辑回归等概率分类器，以及元分类器的构建原理和方法。

1. 连续贝叶斯网络分类器

连续贝叶斯网络分类器是一类重要的概率分类器，以下是常见的连续贝叶斯网络分类器及其相关的开创性论文：
| 名称 | 开创性论文 |
| — | — |
| 高斯朴素贝叶斯 | Friedman et al. (1998a) |
| 高斯半朴素贝叶斯 | Pérez et al. (2006) |
| 高斯树增强朴素贝叶斯 | Pérez et al. (2006) |
| 高斯 k - 依赖贝叶斯分类器 | Pérez et al. (2006) |
| 高斯混合模型分类器 | Day (1969) |
| 基于核的分类器 | John and Langley (1995) |
| MTE - 朴素贝叶斯 | Rumí et al. (2006) |
| MTE - AODE | Flores et al. (2011a) |
| 带 B - 样条的 MoP - 朴素贝叶斯 | López - Cruz et al. (2014a) |
| 带 B - 样条的 MoP - 树增强朴素贝叶斯 | López - Cruz et al. (2014a) |
| 冯·米塞斯朴素贝叶斯 | López - Cruz et al. (2015) |
| 多元冯·米塞