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
Capacitar modelos para clasificar datos mediante aprendizaje automático supervisado | |
Aprendiz de Clasificación | Capacitar modelos para clasificar datos mediante aprendizaje automático supervisado |
ClassificationNaiveBayes | Clasificación Naive Bayes |
CompactClassificationNaiveBayes | Compact naive Bayes classifier for multiclass classification |
ClassificationPartitionedModel | Cross-validated classification model |
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.
Categorical response data
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.
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.