回答情况：
提问时间：
问题标签：
1回答
我将如何将概率附加到高斯朴素贝叶斯模型输出的预测上？我之所以问这个问题，是因为predict_proba函数U可以与sklearn的高斯朴素贝叶斯分类器一起使用，它只给了我0或1，这不是我想要的。
浏览 0提问于2020-06-05得票数 1
1回答
我正在尝试在C#中实现高斯朴素贝叶斯来进行点分类。我已经实现了第一部分( )概率部分，但我不知道如何实现高斯朴素贝叶斯算法正态模型。return type1; return type2; }
请教我在哪里以及如何实现高斯朴素贝叶斯算法
浏览 0修改于2012-03-25得票数 7
回答已采纳
我正在尝试实现一个科学知识库中的高斯朴素贝叶斯。我知道朴素贝叶斯是建立在贝叶斯定理的基础上的，在高层次上定义为：posterior = (prior * likelihood) / evidence.
据我所知，先前和证据都是从培训数据中学到的。
浏览 4修改于2020-08-02得票数 0
回答已采纳
我正在尝试使用UCI机器学习团队发布的数据集来实现朴素贝叶斯分类器。我刚接触机器学习，并试图理解用于解决与我的工作相关的问题的技术，所以我认为最好先让理论得到理解。我正在使用pima数据集()，我的目标是为K类问题构建朴素贝叶斯单变量高斯分类器(数据仅用于K=2)。
浏览 2修改于2019-02-11得票数 1
我已经开始使用Scikit-学习，我正在尝试训练和预测一个高斯朴素贝叶斯分类器。我不知道我做的很好，我希望有人能帮我。
浏览 0修改于2015-06-29得票数 1
回答已采纳
对于条件无关的特征f_i，朴素贝叶斯分类给出了分类器对于类k。我理解对于高斯朴素贝叶斯，我可以假设正态分布的特征，
Classifier(f) := \arg \max_k P(C=k) · ∏^n_{i=1} \frac{1}{\sqrt{(2πσ_{k,i})
浏览 0提问于2020-02-18得票数 2
回答已采纳
它应用贝叶斯网络来预测自行车数量的变化，在那里我得到了贝叶斯网络，并希望使用贝叶斯网络来预测变化。 我遇到了几个问题。我试图使用朴素贝叶斯来预测数字，但似乎朴素贝叶斯只允许将输出作为几个离散的类。在我的例子中，变化似乎不能被分成离散的类别(就像预测一个人是“男性”还是“女性”，只有两个离散的输
浏览 22提问于2019-04-19得票数 1
我知道朴素贝叶斯擅长二进制分类，但我想知道多类分类是如何工作的。
例如:我之前使用朴素贝叶斯进行文本分类，对文本进行矢量化以查找文档中每个单词的概率，然后使用矢量化数据来适应朴素贝叶斯分类器。
浏览 4提问于2017-11-25得票数 2
回答已采纳
我有一个针对数据集运行的Gaussian naive bayes算法。我需要的是获取目标类的特性重要性(特性的影响性)。from sklearn.naive_bayes import GaussianNBfrom sklearn.model_selection import train_test_split
gaussia
浏览 1提问于2020-07-16得票数 4
我正在尝试对GuassianNB进行部分拟合，这是我的代码的一个小片段classfier.fit(X_init, y_init) if('some condition'): classfier.partial_fit(X_train[i, :].reshape(1, -1), y_train[i].reshape(1, -1).ravel(), classes = np
浏览 0修改于2021-01-16得票数 3
我的目标是将scikit学习高斯NB模型应用于数据，但是在二进制分类任务中，只有2类是正标签，其余的类都是负数。
浏览 2修改于2022-03-20得票数 0
回答已采纳
所以我是一个真正的业余爱好者，试图在python中实现一种你可能称之为朴素贝叶斯算法的“简化”版本，似乎有很多麻烦，原因可能是我不太确定我不完全理解算法的工作方式……不过，我还是非常感谢大家的帮助/建议outputs 回溯(最近一次调用)：文件"C:\Users\Toshiba\workspace\Assignment6\src\gnb_test.py"，第34行，在高斯
浏览 0修改于2013-12-10得票数 0
我试图根据手机的特性对其进行分类，但当我通过sklearn应用高斯NB代码时，由于以下错误，我无法这样做:代码：clf.fit(X_train,y_train)
浏览 3提问于2018-05-27得票数 3
回答已采纳
Sklearn库中有各种类型的朴素贝叶斯算法：
它们都能用于文本分类吗？哪一个在表演贝特
我对其他人不确定，我的观察也可能局限于我的数据集。
浏览 0提问于2021-08-02得票数 1
经过研究，我发现多项式朴素贝叶斯和伯努利朴素贝叶斯更常用于文本分类。伯努利只关心这个词是否发生。多项式关心单词出现的次数。对于高斯朴素贝叶斯，它通常用于连续数据和正态分布的数据，例如:身高，体重，但我们不使用高斯朴素贝叶斯进行文本分类的原因是什么？如果我们将其应用于文本分类，
浏览 1提问于2018-02-02得票数 1
1回答
在机器学习分类方面，LDA与朴素贝叶斯的优缺点是什么？我知道一些区别，比如朴素贝叶斯假设变量是独立的，而LDA是高斯类条件密度模型，但是我不知道什么时候使用LDA，什么时候使用NB取决于具体情况？
浏览 2修改于2017-10-07得票数 8
它是Bernoulli，多项式，高斯还是其他任何变体？我阅读了这些文档，但似乎过于笼统了。
据我所知，scikit有4个版本的朴素贝叶斯，其中只有两个适合文本处理。当我在做文本处理时，我发现NLTK朴素贝叶斯和scikit Bayes之间有很大的不同。
浏览 0提问于2019-03-14得票数 2
回答已采纳
我们现在如何使用它作为对朴素贝叶斯分类器的输入？似乎我们也不能使用多项朴素贝叶斯，因为这些值是连续的，而不是绝对的。作为另一种选择，用高斯朴素贝叶斯代替它是否合适？在高斯分布假设下，TFIDF向量是否能很好地支持？MultionomialNB的s
浏览 1提问于2017-04-05得票数 2
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号