ナイーブベイズ分類器

特徴間に強い(ナイーブ)非依存の仮定を持つベイズ理論の適用に基づいた分類器。

学習

分類器を訓練するには、単純に訓練サンプルとラベルを与えます (配列として)。例:

$samples = [[5, 1, 1], [1, 5, 1], [1, 1, 5]];
$labels = ['a', 'b', 'c'];

$classifier = new NaiveBayes();
$classifier->train($samples, $labels);

複数のデータセットを使って分類器を訓練することができます。予測は全ての訓練データに基づきます。

予測

サンプルのラベルを予測するには、predict メソッドを使います。1つのサンプルあるいは、サンプルの配列を与えることができます:

$classifier->predict([3, 1, 1]);
// return 'a'

$classifier->predict([[3, 1, 1], [1, 4, 1]);
// return ['a', 'b']