Байесовский наивный классификатор
Байесовский наивный байесовский классификатор (Bayesian Naive Bayes) применяет полностью байесовский подход к параметрам классического наивного байесовского классификатора: вместо оценки условных распределений классов методом максимального правдоподобия, он размещает сопряженные априорные распределения (обычно Дирихле для категориальных данных или Гаусса-Гамма для непрерывных данных) над параметрами и интегрирует их, получая предсказательные апостериорные распределения, которые естественным образом количественно оценивают неопределенность и избегают переобучения на малых наборах данных.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Fully Bayesian Naive Bayes Classifier. ScholarGate. https://scholargate.app/ru/machine-learning/bayesian-naive-bayes
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Байесовская логистическая регрессияБайесовские методы↔ compare
- Гауссовский процессМашинное обучение↔ compare
- Логистическая регрессия (МО)Машинное обучение↔ compare
- Полусупервизорный наивный байесовский классификаторМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →