Есть ли у Gaussan Naive Bayes параметр для настройки

Я пытаюсь реализовать Gaussian Naive Bayes из библиотеки scikit-learn. Я знаю, что Наивный Байес основан на теореме Байеса, которая определяется на высоком уровне как: posterior = (prior * likelihood) / evidence.

Насколько я знаю, априорные и фактические данные извлекаются из обучающих данных.

Я не уверен в вероятности того, Q1: он также получен из обучающих данных или с использованием оценки максимального правдоподобия? Q2: Требуется ли настройка какого-либо гиперпараметра?


machine-learning hyperparameters probability naivebayes
person Amhs_11    schedule 02.08.2020    source источник
comment
Этот вопрос лучше подходит для перекрестной проверки.   -  person juanpa.arrivillaga    schedule 02.08.2020
comment
Спасибо @juanpa.arrivillaga за то, что поделились этим сайтом. Я задам вопрос там.   -  person Amhs_11    schedule 02.08.2020
comment
В будущем имейте в виду, что перекрестная публикация дословные вопросы на нескольких сайтах SE: запрещены   -  person desertnaut    schedule 02.08.2020

Ответы (1)


arrow_upward
-1
arrow_downward

Предположим, у вас есть теорема Байеса как,

P(A|B) = (P(B|A)*P(A))/P(B)
Where,
P(A|B) = Posterior Probability
P(B|A) = Likelihood
P(A) = Prior Probability
P(B) = Marginal Likelihood

Ответы на ваш вопрос

  1. Вероятность рассчитывается с использованием обучающих данных, а оценка максимальной вероятности используется для вычисления максимального значения вероятности.

  2. В наивном Байесе почти нет гиперпараметров для настройки, поэтому он обычно хорошо обобщает.

person Yashraj Jain    schedule 02.08.2020
comment
Пожалуйста, не включайте просьбы о принятии/проголосовании в самом сообщении (отредактировано). Более того, обратите внимание, что привилегия голосовать зарабатывается на 15 очках репутации, т.е. ОП здесь еще не достиг этого. - person desertnaut; 02.08.2020