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']