OpenCV 中的普通贝叶斯实现

Question

我是机器学习的新手。我有一个关于如何在 OpenCV 中实现 Normal Bayes 的问题。

我对 Normal Bayes 和 Naive Bayes 这两个术语有误解。

site 表明 Normal Bayes 和 Naive Bayes 含义相同。

OpenCV 网站 上的NormalBayes 文档指定功能是正态分布的，不一定是独立的。

关于朴素贝叶斯分类器的wikipedia 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。

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

我还在here 上发现了一个类似的问题，但没有得到回答。

我在这里遗漏了什么吗？还是OpenCV中的Normal Bayes分类器不是标准的Naive Bayes分类器？

Answer 1

理论上，朴素贝叶斯模型假设“影响的原因之间完全独立”，而正态模型假设“来自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，“数据分布函数被假定为高斯混合，每个类一个分量”，并且模型没有对这些类的独立性做出假设。