我发现了朴素贝叶斯分类器的以下Matlab实现：
https://github.com/jjedele/Naive-Bayes-Classifier-Octave-Matlab
高斯朴素贝叶斯和朴素贝叶斯有什么区别？我如何才能将上述实现扩展为高斯朴素贝叶斯？
如何将实现扩展为与4个类一起使用？只是做一个对所有其他？
非常感谢你的帮助。
最佳答案
在朴素贝叶斯分类中，我们采用一组特征（x0，x1，... xn）并尝试将这些特征分配给一个已知的类Y（y0，y1，... yk）中的一个，我们通过使用训练数据以计算条件概率，该条件概率告诉我们特定班级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得分最高的成员作为应分配给我们的功能集的类。
直到现在，我们还没有对p（x | C）的分布做出任何假设。
在Guassian朴素贝叶斯中，我们假设所有p（x | C）值都是正态分布的，这是唯一的“差异”，而GNB只是朴素贝叶斯的一个子集，这的确没有区别。
如果您没有很多训练数据，并且愿意假设总体数据正好分布在您所拥有的样本（训练）数据的平均值附近，那么这将很有用。
Tex的完全披露者来自维基百科。