Udacity 3.朴素贝叶斯

Udacity 3.朴素贝叶斯

在c++ 里实现Gaussian Naive Bayes classifier

先看数据集

训练集-特征：

s d ds dd
34.7680729582807,0.832913812432181,8.20663863464299,-0.998961142457705
39.7084757286983,7.60549751981133,8.15974055685309,0.401671056682588
29.8549416734264,1.20617431036824,11.0470575580595,-1.47480653235101
35.5485197672162,0.496133606739075,9.45597259612092,-0.10563468956278

训练集-标签：

left
right
left
keep

车道宽度是4米

计算并存储每个标签/特征对的数据的均值和标准差

实现预测功能

计算每个特征/标签组合的条件概率

$p(x=v \mid C)=\frac{1}{\sqrt{2 \pi \sigma^{2}}} \exp ^{-\frac{(v-\mu)^{2}}{2 \sigma^{2}}}$

在朴素贝叶斯分类器中使用条件概率。

$y=\underset{k \in(1, \ldots, K)}{\operatorname{argmax}} p\left(C_{k}\right) \prod_{i=1}^{n} p\left(x_{i}=v_{i} \mid C_{k}\right)$