經驗樸素貝葉斯和參數貝葉斯分類器之間的區別

Question

我試圖理解它們之間的區別。

經驗樸素貝葉斯分類器和參數貝葉斯分類器有什麼區別？

Answer 1

的emperical部分意味着該分佈是從數據中估計，而不是固定的分析開始之前

經驗貝葉斯方法，其中所述先驗分佈從數據估計統計推斷程序。這種方法與標準貝葉斯方法相反，在標準貝葉斯方法中，在觀察任何數據之前先驗分佈是固定的。儘管這種觀點存在差異，但經驗貝葉斯可以被看作是對分層模型的完全貝葉斯處理的近似，其中層次結構的最高級別的參數被設置爲其最可能的值，而不是被集成。經驗貝葉斯，也被稱爲最大邊際可能性，[1]代表設置超參數的一種方法。

http://en.wikipedia.org/wiki/Empirical_Bayes_method

樸素意味着所分析的特徵值被彼此獨立

甲樸素貝葉斯分類器是基於與強施加貝葉斯定理的簡單概率分類（天真）獨立性假設。對於潛在的概率模型，更具描述性的術語是「獨立特徵模型」。

http://en.wikipedia.org/wiki/Naive_Bayes_classifier