我找到了以下Matlab实现的朴素贝叶斯分类器:

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？我如何扩展上述实现以变成高斯朴素贝叶斯？

如何扩展实现以便用于4个类别？只是做一对所有其他吗？

非常感谢您的帮助。

回答：

在朴素贝叶斯分类中，我们使用一组特征（x0,x1,…xn），并尝试将这些特征分配给已知的一组类别Y中的一个（y0,y1,…yk）。我们通过使用训练数据来计算条件概率，这些概率告诉我们在训练集中某个类别拥有特定特征的频率，然后将它们相乘。

结果是Y集中每个类别的得分。我们然后选择得分最高的Y成员作为我们的特征集应被分配到的类别。

到目前为止，我们还没有对p(x|C)分布的形态做出任何假设。

在高斯朴素贝叶斯中，我们假设所有这些p(x|C)值都是正态分布的，这就是唯一的“区别”，实际上这并不是一个区别，GNB只是朴素贝叶斯的一个子集。

如果您没有很多训练数据，并且愿意假设总体数据围绕您拥有的样本（训练）数据的均值呈正态分布，那么这可能会很有用。

完全披露，Tex来自维基百科。