13 KiB
应用专题 / 数学算法 / 朴素贝叶斯
gaussianNB
声明：class
假设连续特征服从高斯分布的朴素贝叶斯分类器
Classes_
声明：field
训练后得到的类别取值范围
可见性：public
类型：array
Class_prior_
声明：field
训练后得到的各类别先验概率
可见性：public
类型：array
Class_count_
声明：field
各类别用于训练的样本观测数
可见性：public
类型：array
Priors
声明：field
用户指定的类别先验概率；为空时从训练样本自动计算
可见性：public
类型：array
Theta_
声明：field
训练后得到的各类别、各特征均值
可见性：public
类型：array
Sigma_
声明：field
训练后得到的各类别、各特征方差
可见性：public
类型：array
create(priors)
声明：function
使用指定的类别先验概率初始化分类器
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
priors |
array | 指定的各类别先验概率；默认值为 nil |
Fit(X, y, sample_weight)
声明：function
一次性拟合全部训练数据；sample_weight 为每个训练样本的权重
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 二维训练特征数组 |
y |
array | 一维类别标签数组 |
sample_weight |
array | 各训练样本的权重；默认值为 nil |
Partial_fit(X, y, classes, sample_weight)
声明：function
增量拟合一批训练数据；首次调用时通过 classes 给出全部可能类别
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 本批次的二维训练特征数组 |
y |
array | 本批次的一维类别标签数组 |
classes |
array | 可能出现在 y 中的全部类别 |
sample_weight |
array | 各训练样本的权重；默认值为 nil |
Predict(X)
声明：function
预测输入样本的类别标签
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 需要预测的二维特征数组 |
返回：array
Predict_log_proba(X)
声明：function
返回输入样本属于各类别的对数概率
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 需要预测的二维特征数组 |
返回：array
Predict_proba(X)
声明：function
返回输入样本属于各类别的概率
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 需要预测的二维特征数组 |
返回：array
multinomialNB
声明：class
假设离散特征服从多项分布的朴素贝叶斯分类器
Classes_
声明：field
训练后得到的类别取值范围
可见性：public
类型：array
Class_prior
声明：field
各类别的先验概率
可见性：public
类型：array
Class_log_prior_
声明：field
各类别的对数先验概率
可见性：public
类型：array
Feature_count_
声明：field
拟合期间各类别、各特征的加权样本数
可见性：public
类型：array
Feature_log_prob_
声明：field
给定类别时各特征的经验对数概率
可见性：public
类型：array
Class_count_
声明：field
各类别用于训练的样本观测数
可见性：public
类型：array
Alpha
声明：field
拉普拉斯或 Lidstone 加法平滑因子，默认 1.0
可见性：public
类型：real
Fit_prior
声明：field
是否从训练样本学习类别先验概率，默认 True
可见性：public
类型：boolean
create(alpha, fit_prior, class_prior)
声明：function
使用平滑因子、先验学习开关和可选先验概率初始化分类器
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
alpha |
real | 加法平滑因子，默认 1.0 |
fit_prior |
boolean | 是否从样本学习先验概率，默认 True |
class_prior |
array | 指定的类别先验概率；默认值为 nil |
Fit(X, y, sample_weight)
声明：function
一次性拟合全部训练数据
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 二维训练特征数组 |
y |
array | 一维类别标签数组 |
sample_weight |
array | 各训练样本的权重；默认值为 nil |
Partial_fit(X, y, classes, sample_weight)
声明：function
增量拟合一批训练数据
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 本批次的二维训练特征数组 |
y |
array | 本批次的一维类别标签数组 |
classes |
array | 可能出现在 y 中的全部类别 |
sample_weight |
array | 各训练样本的权重；默认值为 nil |
Predict(X)
声明：function
预测输入样本的类别标签
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 需要预测的二维特征数组 |
返回：array
Predict_log_proba(X)
声明：function
返回输入样本属于各类别的对数概率
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 需要预测的二维特征数组 |
返回：array
Predict_proba(X)
声明：function
返回输入样本属于各类别的概率
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 需要预测的二维特征数组 |
返回：array
bernoulliNB
声明：class
假设离散特征服从多元伯努利分布的朴素贝叶斯分类器
Classes_
声明：field
训练后得到的类别取值范围
可见性：public
类型：array
Class_prior
声明：field
各类别的先验概率
可见性：public
类型：array
Class_log_prior_
声明：field
各类别的对数先验概率
可见性：public
类型：array
Feature_count_
声明：field
拟合期间各类别、各特征的加权样本数
可见性：public
类型：array
Feature_log_prob_
声明：field
给定类别时各特征的经验对数概率
可见性：public
类型：array
Class_count_
声明：field
各类别用于训练的样本观测数
可见性：public
类型：array
Alpha
声明：field
拉普拉斯或 Lidstone 加法平滑因子，默认 1.0
可见性：public
类型：real
Binarize
声明：field
将样本特征映射为布尔值的阈值，默认 0.0
可见性：public
类型：real
Fit_prior
声明：field
是否从训练样本学习类别先验概率，默认 True
可见性：public
类型：boolean
create(alpha, binarize, fit_prior, class_prior)
声明：function
使用平滑因子、二值化阈值和先验设置初始化分类器
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
alpha |
real | 加法平滑因子，默认 1.0 |
binarize |
real | 特征二值化阈值，默认 0.0 |
fit_prior |
boolean | 是否从样本学习先验概率，默认 True |
class_prior |
array | 指定的类别先验概率；默认值为 nil |
Fit(X, y, sample_weight)
声明：function
一次性拟合全部训练数据
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 二维训练特征数组 |
y |
array | 一维类别标签数组 |
sample_weight |
array | 各训练样本的权重；默认值为 nil |
Partial_fit(X, y, classes, sample_weight)
声明：function
增量拟合一批训练数据
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 本批次的二维训练特征数组 |
y |
array | 本批次的一维类别标签数组 |
classes |
array | 可能出现在 y 中的全部类别 |
sample_weight |
array | 各训练样本的权重；默认值为 nil |
Predict(X)
声明：function
预测输入样本的类别标签
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 需要预测的二维特征数组 |
返回：array
Predict_log_proba(X)
声明：function
返回输入样本属于各类别的对数概率
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 需要预测的二维特征数组 |
返回：array
Predict_proba(X)
声明：function
返回输入样本属于各类别的概率
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 需要预测的二维特征数组 |
返回：array
naiveBayesTotal
声明：class
支持连续特征与离散特征混合分布的朴素贝叶斯综合分类器
Classes_
声明：field
训练后得到的类别取值范围
可见性：public
类型：array
Feature_distribution
声明：field
各特征的分布类型；元素可为 normal、mn 或 bn
可见性：public
类型：array
Class_priors
声明：field
各类别的先验概率
可见性：public
类型：array
Class_count_
声明：field
各类别用于训练的样本观测数
可见性：public
类型：array
create(priors)
声明：function
使用指定的类别先验概率初始化分类器
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
priors |
array | 指定的各类别先验概率；默认值为 nil |
Fit(X, y, distribution, alpha_mn, alpha_bn, binarize, sample_weight)
声明：function
按每个特征指定的分布拟合混合朴素贝叶斯模型
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 二维训练特征数组 |
y |
array | 一维类别标签数组 |
distribution |
array | 各特征的分布类型 |
alpha_mn |
real | 多项分布模型的平滑因子，默认 1 |
alpha_bn |
real | 伯努利分布模型的平滑因子，默认 1 |
binarize |
real | 伯努利分布模型的二值化阈值，默认 0 |
sample_weight |
array | 各训练样本的权重；默认值为 nil |
Predict(X)
声明：function
预测输入样本的类别标签
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 需要预测的二维特征数组 |
返回：array
Predict_log_proba(X)
声明：function
返回输入样本属于各类别的对数概率
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 需要预测的二维特征数组 |
返回：array
Predict_proba(X)
声明：function
返回输入样本属于各类别的概率
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
X |
array | 需要预测的二维特征数组 |
返回：array