貝葉斯推理

Question

這裏是我的問題，我希望你能幫助我：

比方說，我們生活在一個只有兩個類別的世界裏，每個有一些功能。這個世界中的物體是這些特徵的不同排列。

CAT1：{A，B，C，d，E，F}

CAT2：{G，H，I，J}

現在我們有具有這些特徵的對象：

OBJ：{A，b，C，d，G，H}

什麼是這個對象被分類爲Cat.1概率？ p（cat1 | a，b，c，d，g，h）？

通常如何可以用於方程模型：每次用不同數量的特徵 n個種類，具有不同的排列對象？

Answer 1

您可以使用貝葉斯分類器來計算這些概率。爲了適應正態分佈，因爲它是貝葉斯分類器最常用的分佈，請參閱this link。但是，要使用此解決方案，您需要假設每個對象持有價值爲您的所有功能，例如：

obj1:{a=1, b=1, c=1, d=1, e=0, f=0, g=1, h=1, i=0, j=0} 

注意，特徵值必須計算的分佈參數之前進行歸一化。