Matlab 高斯朴素贝叶斯分类

我发现了朴素贝叶斯分类器的以下Matlab实现：

高斯朴素贝叶斯和朴素贝叶斯的区别是什么？如何将上述实现扩展为高斯朴素贝叶斯

如何扩展用于4个类的实现？只是做一对一

---

非常感谢您的帮助。

在朴素贝叶斯分类中，我们获取一组特征（x0，x1，…xn），并尝试将这些特征分配给已知的类集合Y（y0，y1，…yk）中的一个我们通过使用训练数据计算条件概率来实现这一点，条件概率告诉我们特定类在训练集中具有特定特征的频率，然后将它们相乘

结果是集合Y中每个类的得分。然后，我们将Y中得分最高的成员作为特征集应分配给的类

到目前为止，我们还没有对p（x | C）分布做任何假设

在Guassian朴素贝叶斯中，我们假设所有这些p（x | C）值都是正态分布的，这是唯一的“差异”，它实际上不是差异GNB只是朴素贝叶斯的一个子集

如果您没有太多的训练数据，并且愿意假设总体数据正态分布在您所拥有的样本（训练）数据的平均值附近，那么这将非常有用

这篇文章来自维基百科