ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

単純ベイズ

ガウス、多項またはカーネル予測子がある単純ベイズ モデル

単純ベイズ モデルでは、クラス メンバーシップが与えられた多変量分布が観測にあるが、観測を構成する予測子または特徴量は独立していると仮定します。このフレームワークでは、観測が一連の多項カウントになるように特徴セット全体を調整できます。

単純ベイズ モデルを学習させるには、fitcnb をコマンド ライン インターフェイスで使用します。学習後に、モデルと予測子データを predict に渡してラベルを予測するか事後確率を推定します。

関数

fitcnb マルチクラス単純ベイズ モデルの学習
predict 単純ベイズ分類モデルの使用によるラベルの予測
templateNaiveBayes 単純ベイズ分類器テンプレート

クラス

ClassificationNaiveBayes 単純ベイズ分類
CompactClassificationNaiveBayes コンパクトな単純ベイズ分類器
ClassificationPartitionedModel 交差検定分類モデル

例および操作のヒント

教師あり学習のステップ

Statistics and Machine Learning Toolbox™ には、教師あり学習に利用できるアルゴリズムが数多く用意されていますが、ほとんどの場合、予測モデルの取得には同じ基本的なワークフローを使用します。

概念

分類アルゴリズムの特性

分類アルゴリズムごとに速度、メモリ使用量、解釈可能性および柔軟性が異なります。

単純ベイズ分類器

単純ベイズ分類器は、予測子が各クラス内で互いに独立しているときに使用するために設計されています。しかし、その独立仮定が有効でない場合にも、実際の場で良好に機能するようです。

サポートされている分布

単純ベイズ分類モデルが正規 (ガウス) 分布、カーネル分布、多項分布および多変量の多項予測子条件付き分布をサポートする方法を学びます。

この情報は役に立ちましたか?