Bayes ingenuos

Modelo Naive Bayes con predictores gaussianos, multinomiales o de kernel

Los modelos Naive Bayes suponen que las observaciones tienen alguna distribución multivariada dada la pertenencia a la clase, pero el predictor o las entidades que componen la observación son independientes. Este marco de trabajo puede acomodar un conjunto de características completo de modo que una observación sea un conjunto de recuentos multinomiales.

Para entrenar un modelo Bayes ingenuo, utilícelo en la interfaz de línea de comandos.fitcnb Después del entrenamiento, prediga etiquetas o calcule las probabilidades posteriores pasando los datos del modelo y del predictor a .predict

Apps

	Capacitar modelos para clasificar datos mediante aprendizaje automático supervisado
Aprendiz de Clasificación	Capacitar modelos para clasificar datos mediante aprendizaje automático supervisado

Funciones

expandir todo

Crear modelo Naive Bayes

`fitcnb`	Tren multiclase ingenuo modelo Bayes
`compact`

Validación cruzada

`crossval`
`kfoldEdge`	Classification edge for cross-validated classification model
`kfoldLoss`	Classification loss for cross-validated classification model
`kfoldfun`	Cross-validate function for classification
`kfoldMargin`	Classification margins for cross-validated classification model
`kfoldPredict`	Classify observations in cross-validated classification model

Medir el rendimiento

`loss`	Classification loss for naive Bayes classifier
`resubLoss`
`logP`	Log unconditional probability density for naive Bayes classifier
`compareHoldout`	Compare accuracies of two classification models using new data
`edge`	Classification edge for naive Bayes classifier
`margin`	Classification margins for naive Bayes classifier
`resubEdge`
`resubMargin`

Clasificar observaciones

`predict`	Classify observations using naive Bayes classifier
`resubPredict`

Clases

`ClassificationNaiveBayes`	Clasificación Naive Bayes
`CompactClassificationNaiveBayes`	Compact naive Bayes classifier for multiclass classification
`ClassificationPartitionedModel`	Cross-validated classification model

Temas

Train Naive Bayes Classifiers Using Classification Learner App

Create and compare naive Bayes classifiers, and export trained models to make predictions for new data.

Flujo de trabajo y algoritmos de aprendizaje supervisados

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

Parametric Classification

Categorical response data

Naive Bayes Classification

The naive Bayes classifier is designed for use when predictors are independent of one another within each class, but it appears to work well in practice even when that independence assumption is not valid.

Plot Posterior Classification Probabilities

This example shows how to visualize classification probabilities for the Naive Bayes classification algorithm.

Clasificación

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

Visualize Decision Surfaces of Different Classifiers

This example shows how to visualize the decision surface for different classification algorithms.