我找到了 Naive Bayes 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？如何将上述实现扩展为高斯朴素贝叶斯？
如何扩展实现以将其与 4 个类一起使用？只做一对一？
非常感谢您的帮助。
【问题讨论】：
标签： matlab machine-learning classification naivebayes
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我们所做的已知类 Y 集合中的一个 (y0,y1,...yk)通过使用训练数据计算条件概率，告诉我们特定类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 中得分最高的成员作为我们的特征集应该分配到的类。
到目前为止，我们还没有对 p(x|C) 分布的样子做出任何假设。
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，这是唯一的“差异”，实际上并没有差异 GNB 只是朴素贝叶斯的一个子集。
如果您没有大量训练数据，并且愿意假设总体数据关于您拥有的样本（训练）数据的平均值呈正态分布，这可能会很有用。
Tex 的完整披露者来自维基百科。
【讨论】：