我是一名机器学习的新手。我有一个关于OpenCV中Normal Bayes如何实现的问题。

我对Normal Bayes和Naive Bayes这两个术语有些误解。

这个网站表示Normal Bayes和Naive Bayes是相同的含义。

OpenCV网站上的NormalBayes文档指出，特征是正态分布的，但不一定是独立的。

维基百科关于Naive Bayes分类器的文章告诉我们，假设特征是独立的。因此，不需要确定协方差矩阵。

然而，当我查看Normal Bayes分类器的实现源码时，它确实计算了协方差矩阵。

我还在这里找到了一个类似的问题，但没有得到回答。

我是不是遗漏了什么？还是说OpenCV中的Normal Bayes分类器并不是标准的Naive Bayes分类器？

回答：

理论上，Naive Bayes模型假设“效果原因之间完全独立”，而Normal模型假设“每个类别的特征向量是正态分布的（尽管不一定是独立分布的）”。请注意，两者都使用均值向量和协方差矩阵，但是模型假设不同。

在OpenCV中，“数据分布函数被假设为高斯混合，每个类别一个组件”，并且模型没有对这些类别的独立性做出假设。