贝叶斯MATLAB

  • 1.简单分类

    代码:

    load fisheriris

    O1 = NaiveBayes.fit(meas,species);

    C1 = O1.predict(meas);

    cMat1 = confusionmat(species,C1) 

    运行结果:

    cMat1 =

     

        50     0     0

         0    47     3

         0     3    47

    这种最简单的用法默认数据的每个特征都服从高斯分布(Normal Distribution),并且默认先验概率是经验概率(Empirical),即先验概率是每个类出现的频率。

     

    2.通过设置参数定制分类器

     代码:

    O2 = NaiveBayes.fit(meas,species,'dist',{'normal','kernel','normal','kernel'}); 

    C2 = O2.predict(meas);

    cMat2 = confusionmat(species,C2)

    运行结果:

     

    cMat2 =

     

        50     0     0

         0    47     3

         0     3    47

    与第一种方法不同,这里可以对不同的特征设置不同的分布,normal表示高斯分布、kernel表示核密度平滑估计。另外还有mvmn--多元多项式分布(Multivariate multinomial distribution)、mn--多项式分布(Multinomial distribution)。这里的mvmn适合于离散的特征、mn适合于bag-of-tokens模型。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值