"ClassDistributions" （机器学习方法）

详细信息和子选项

  • "ClassDistribution" 方法通过对每个类别的示例应用 LearnDistribution 来学习该类别的概率分布. 当给定一个新示例进行分类时，该示例的类别概率通过测量每个类别分布示例的概率密度函数 (PDF) 来计算. 更准确地说，概率是使用贝叶斯定理 计算的，其中 x 是要分类的示例， 是该类别的先验概率， 是类别分布 x 的 PDF.
  • 可以给出以下选项：
  • Method Automatic由 LearnDistribution 使用的方法
  • 在 Methodmethod 中，method 可以是 LearnDistribution 的任何方法，可能带有选项和子选项规范.
  • Classify[…,AnomalyDetectorInherited] 可用于使用通过此方法学习的隐式混合分布来检测异常示例.

范例

打开所有单元关闭所有单元

基本范例  (3)

在标记示例上训练分类器函数：

对新的示例进行分类：

获取概率：

获取分类器的信息：

获取 LearnDistribution 所用方法的具体信息：

生成一些正态分布的数据：

对其可视化：

在此数据集上训练分类器：

绘制训练集和作为特征的函数的每个类别的概率分布：

训练分类器并指定异常检测器应继承自 "ClassDistributions" 方法：

对新的示例进行分类：

对异常的新示例进行分类：

选项  (1)

Method  (1)

训练分类器函数并指定应该使用 LearnDistribution 的 "KernelDensityEstimation" 方法：

获取新示例的类别概率：

训练另一个分类器，并指定 "KernelDensityEstimation" 方法的某些选项：

获取新示例的类别概率：