Se si dispone di un classificatore bayes addestrato per un insieme di classi, come rilevare se l'output è abbastanza significativo da scegliere una classe? Sarebbe utile per il rilevamento di campioni che non possono essere assegnati a una classe. Ho provato a testare se la probabilità della classe è superiore alla media + 2 * stddev delle probabilità di tutte le clases, ma non credo che sarà robusta.Rilevamento di una classe sconosciuta in un classificatore bayes
6
A
risposta
3
È possibile considerare i rapporti di probabilità di log. Considerare R(C) = log(P(C|D)/P(~C| D)
, dove C
è la classe, D
sono le caratteristiche. Quindi probabilmente vorrai assicurarti che lo R(C)
sia maggiore di un importo positivo.
Problemi correlati
- 1. Salva classificatore addestrato Naive Bayes in NLTK
- 2. Albero decisionale contro il classificatore Naive Bayes
- 3. Che cosa è "ingenuo" in un classificatore Bayes ingenuo?
- 4. Classificazione di un classificatore multinomial Naive Bayes con Python Esempio
- 5. chiedendosi se il classificatore di Bayes abbia il giusto approccio?
- 6. Come addestrare un classificatore naive bayes con sequenza di tag pos come caratteristica?
- 7. Serializzazione e ripristino di una classe sconosciuta
- 8. R: Il classificatore di Naives Bayes basa la decisione solo sulle probabilità a priori
- 9. scikits learn and nltk: prestazioni del classificatore Naive Bayes molto diverse
- 10. Implementare il classificatore bayesiano in Ruby?
- 11. interpretare i risultati di Naive Bayes
- 12. Implementatore di parole chiave di classificazione Naive-Bayes in NLTK
- 13. Classificatori di Clustering e Bayes Matlab
- 14. Parametri di un classificatore Weka
- 15. Classe sconosciuta nel file di Interface Builder
- 16. Come specificare un classificatore nella dipendenza di una dipendenza gradle?
- 17. sconosciuta informazioni di classe in Interface Builder file di
- 18. Capire il teorema di Bayes
- 19. sconosciuta classe ZBarReaderView in Interface Builder file di
- 20. Come ottenere il punteggio di confidenza di un classificatore per una previsione in sklearn?
- 21. Classe sconosciuta **** nel file Interface Builder
- 22. XCode Classe sconosciuta ***** nel file Interface Builder
- 23. Classificatore debole
- 24. Classe sconosciuta FBSDKLoginButton nel file Interface Builder
- 25. Test del classificatore NLTK su un file specifico
- 26. Rilevamento dell'umore di un tweet o di un messaggio
- 27. Implementazione dell'algoritmo di Naïve Bayes in Java - Servono alcune indicazioni
- 28. Classificatore di albero decisionale interattivo
- 29. C++ memorizza un puntatore a una funzione membro di classe sconosciuta
- 30. Assembly Maven: include una dipendenza con un diverso classificatore
Vedrò questo e fare alcuni test – piotr
Il rapporto di verosimiglianza non lo aiuterà qui - almeno non come descrivi. Conosce le * relative * "probabilità" P (C1 | D), P (C2 | D), ..., P (CN | D), ma non sa come normalizzarle correttamente perché ha un non- serie completa di classi; cioè, SUM su i = 1 su N di P (Ci | D) NON è uguale all'unità perché esistono altre classi sconosciute che contribuiscono alla somma di probabilità in modi sconosciuti. Pertanto, anche se può eseguire un rapporto di verosimiglianza P (C1 | D)/P (C2 | D) (il fattore di normalizzazione sconosciuto si abbassa), NON PUO 'calcolare P (~ C | D) perché la sua P (Ci | D) i valori non sono vere probabilità. –