Bayesowski Naiwny Bayes
Bayesowski Naiwny Bayes stosuje w pełni bayesowskie podejście do parametrów klasycznego klasyfikatora Naiwny Bayes: zamiast estymować rozkłady warunkowe klas za pomocą metody największej wiarygodności, umieszcza sprzężone priory (zazwyczaj Dirichleta dla danych kategorycznych lub Gaussa-Gammy dla danych ciągłych) nad parametrami i całkuje je, generując predykcyjne rozkłady aposteriorne, które naturalnie kwantyfikują niepewność i zapobiegają przetrenowaniu na małych zbiorach danych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- Murphy, K. P. (2012). Machine Learning: A Probabilistic Perspective (Ch. 3, 4). MIT Press. ISBN: 978-0-262-01802-9
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 8). Springer. ISBN: 978-0-387-31073-2
Jak cytować tę stronę
ScholarGate. (2026, June 3). Fully Bayesian Naive Bayes Classifier. ScholarGate. https://scholargate.app/pl/machine-learning/bayesian-naive-bayes
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Regresja logistyczna bayesowskaStatystyka bayesowska↔ porównaj
- Proces GaussaUczenie maszynowe↔ porównaj
- Regresja logistyczna (ML)Uczenie maszynowe↔ porównaj
- Półnadzorowany naiwny klasyfikator BayesaUczenie maszynowe↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →