das Beispiel der Klassifizierung das Geschlecht einer Person nutzen lassen. Dein Verständnis über die Klasse ist korrekt! Bei einer Eingabebeobachtung sollte unser Naive Bayes Classifier eine Kategorie ausgeben. Die Klasse ist diese Kategorie.
Funktionen: Funktionen in einem Naive Bayes-Klassifizierer oder einem beliebigen allgemeinen ML-Klassifizierungsalgorithmus sind die Datenpunkte, die wir zur Definition unserer Eingaben auswählen. Für das Beispiel einer Person können wir möglicherweise nicht alle Datenpunkte über eine Person eingeben; Stattdessen wählen wir einige Funktionen aus, um eine Person zu definieren (sagen wir "Höhe", "Gewicht" und "Fußgröße"). Insbesondere in einer Naive Bayes Classifier, die Schlüsselannahme, die wir machen, ist, dass diese Funktionen unabhängig sind (sie beeinflussen sich nicht gegenseitig): die Höhe einer Person hat keinen Einfluss auf das Gewicht hat keinen Einfluss auf die Größe des Fußes. Diese Annahme mag stimmen oder nicht, aber für ein naives Bayes nehmen wir an, dass es wahr ist. In dem speziellen Fall Ihres Beispiels, in dem die Eingabe nur der Name ist, können Features die Häufigkeit von Buchstaben, die Anzahl von Vokalen, die Länge des Namens oder Suffixe/Präfixe sein.
Parameter: Parameter in Naive Bayes sind die Schätzungen der wahren Verteilung von allem, was wir zu klassifizieren versuchen. Zum Beispiel könnten wir sagen, dass etwa 50% der Menschen männlich sind, und die Verteilung der männlichen Körpergröße ist eine Gauß-Verteilung mit einem Mittelwert von 5 '7 "und einer Standardabweichung von 3". Die Parameter wären die 50% Schätzung, die 5'7 "Mittelwertschätzung und die 3" Standardabweichungsschätzung.
Aliase: Merkmale werden auch als Attribute bezeichnet. Mir ist kein allgemeiner Ersatz für "Parameter" bekannt.
Ich hoffe, das war hilfreich!
Vielen Dank für die erstaunliche Antwort. Hatte eine kleine Ahnung von der Antwort, aber immer noch bestätigt. Vielen Dank. –
Gern geschehen, froh, dass es hilfreich war! – txizzle