朴素贝叶斯分类器分多种类别时的情况要咋设计

将两类分类器应用到多类(c)问题时,有两种通用的办法:1. one-vs-one对于c类问题,将任意两类之间训练一个分类器,这样一共就有c(c-1)/2个分类器。对于测试样本,用这c(c-1)/2个分类器进行预测,再用投票法决定其类别。2. one-vs-all (or one-vs-rest)这类方法训练c个分类器,第i个分类器的功能是将第i类样本与其它所有类的样本区分开,即将第i类当作正类,其它所有类样本当作负类,训练得到第i个分类器。对于测试样本,用这c个分类器进行预测,其预测类别为函数值或者概率最大的那一类。(例如,每个NaiveBayes分类器对样本预测时,都会得到属于第i类的概率,概率最大的那一类,即为预测类别)。想看相关论文的话,只要在google搜索关键字one-vs-one,one-vs-all等即可。
■网友
干货来了http://www.cs.cmu.edu/%7Etom/mlbook/NBayesLogReg.pdf详见 2.3 Naive Bayes for Discrete-Valued Inputs


    推荐阅读