现在有一份带标签的data,来训练贝叶斯分类器。
先随机打乱行,再分成四份, 3/4 做训练,1/4做测试;接着把label 和data分开,各自做成dataset
然后调用nbayes函数
求出分类器w (其实是一个map结构)
a是错误率,发现a的值高达0.4356;明显不科学!贝叶斯分类器理论上的准确率是90+%
于是到 .
这篇博客介绍了在Matlab中使用prtools工具箱的nbayes函数训练贝叶斯分类器时遇到的问题。初始错误率高达0.4356,通过查看源代码发现normal_map函数返回的是加权先验概率的密度。为提升准确率,作者改用logdens函数获取后验概率加权的分类器,结果错误率降至0.0499,表明分类效果显著改善。作者认为还有提升空间并将继续努力。
现在有一份带标签的data,来训练贝叶斯分类器。
先随机打乱行,再分成四份, 3/4 做训练,1/4做测试;接着把label 和data分开,各自做成dataset
然后调用nbayes函数
求出分类器w (其实是一个map结构)
a是错误率,发现a的值高达0.4356;明显不科学!贝叶斯分类器理论上的准确率是90+%
于是到 .
378

被折叠的 条评论
为什么被折叠?