朴素贝叶斯(Naive Bayes)

基于贝叶斯定理的假设特征独立的快速简单概率分类器。

输入

  • 数据：输入数据集
  • 预处理器：预处理方法

输出

  • 学习器：朴素贝叶斯学习算法
  • 模型：训练过的模型

功能

朴素贝叶斯(Naive Bayes) 从数据中学习朴素贝叶斯模型。 它仅适用于分类任务。

界面

  1. 学习器在其他小部件中使用的名称。 默认名称是“朴素贝叶斯(Naive Bayes)”。
  2. 发送报告
  3. 勾选 “自动应用” 以自动传送对其他小部件的更改，并在连接学习数据后立即训练分类器。 或者，在配置后按 “应用”。

示例

在这里，我们介绍了此小部件的两种用法。 首先，我们比较 朴素贝叶斯(Naive Bayes) 与随机森林(Random Forest)。 我们将 iris 数据从文件(File)连接到测试与评分(Test & Score)。 我们还将 朴素贝叶斯(Naive Bayes) 和随机森林(Random Forest)连接到测试与评分(Test & Score)，并观察其预测分数。

第二个方案显示了使用 朴素贝叶斯(Naive Bayes) 进行的预测的质量。 我们将朴素贝叶斯(Naive Bayes) 提供给测试与评分(Test & Score)小部件，然后将数据发送到混淆矩阵(Confusion Matrix)。 我们还将散点图(Scatter Plot)与文件(File)连接在一起。 然后，我们在混淆矩阵(Confusion Matrix)中选择分类错误的实例，然后将其显示给散点图(Scatter Plot)。 散点图中的粗体点是来自 朴素贝叶斯(Naive Bayes) 的错误分类的实例。

反馈问题

文档有问题? 或者有其他意见和建议? 请在本文档的 Github 仓库直接反馈

点我反馈

进入反馈页面不知道如何反馈, 请点击这里

更新时间: