Usiamo l'esempio di classificare il sesso di una persona. La tua comprensione della lezione è corretta! Data un'osservazione di input, il nostro classificatore Naive Bayes dovrebbe produrre una categoria. La classe è quella categoria.
: caratteristiche in un classificatore Naive Bayes o qualsiasi algoritmo di classificazione ML generale, sono i punti dati che scegliamo per definire il nostro input. Per l'esempio di una persona, non è possibile inserire tutti i punti dati su una persona; al contrario, selezioniamo alcune funzioni per definire una persona (ad esempio "Altezza", "Peso" e "Dimensione del piede"). In particolare, in un Naive Bayes Classifier, l'ipotesi chiave che facciamo è che queste funzionalità siano indipendenti (non si influenzano a vicenda): l'altezza di una persona non influisce sul peso non influenza la dimensione del piede. Questa assunzione può essere o non essere vera, ma per un Naive Bayes, assumiamo che sia vero. Nel caso particolare del tuo esempio in cui l'input è solo il nome, le caratteristiche potrebbero essere la frequenza di lettere, il numero di vocali, la lunghezza del nome o il suffisso/prefissi.
Parametri: I parametri in Naive Bayes sono le stime della vera distribuzione di qualsiasi cosa stiamo cercando di classificare. Ad esempio, potremmo dire che circa il 50% delle persone è di sesso maschile, e la distribuzione dell'altezza maschile è una distribuzione gaussiana con media 5 '7 "e deviazione standard 3". I parametri sarebbero la stima del 50%, la stima media di 5 '7 "e la stima di deviazione standard di 3".
Alias : le funzionalità sono anche denominate attributi. Non sono a conoscenza di sostituzioni comuni per "parametri".
Spero sia stato utile!
Grazie per la risposta sorprendente. Aveva una leggera idea della risposta, ma ha comunque confermato. Grazie. –
Prego, felice che sia stato utile! – txizzle