7

尝试拟合朴素贝叶斯时：

    training_data = sample; % 
    target_class = K8;
 # train model
 nb = NaiveBayes.fit(training_data, target_class);

 # prediction
 y = nb.predict(cluster3);

我收到一个错误：

??? Error using ==> NaiveBayes.fit>gaussianFit at 535
The within-class variance in each feature of TRAINING
must be positive. The within-class variance in feature
2 5 6 in class normal. are not positive.

Error in ==> NaiveBayes.fit at 498
            obj = gaussianFit(obj, training, gindex);

任何人都可以阐明这一点以及如何解决它？请注意，我在这里阅读了类似的帖子，但我不确定该怎么做？似乎它试图基于列而不是行来拟合，类方差应该基于每一行属于特定类的概率。如果我删除这些列，那么它可以工作，但显然这不是我想要做的。

4

1 回答 1

13

假设您的代码（或来自 mathworks 的 NaiveBayes 代码）中没有任何错误，并再次假设您的 training_data 是 NxD 的形式，其中有 N 个观察值和 D 个特征，那么第 2、5 和 6 列完全为零至少一个班级。如果您的训练数据相对较少且类别数量较多，则可能会发生这种情况，其中单个类别可能由几个观察值表示。由于默认情况下 NaiveBayes 将所有特征视为正态分布的一部分，因此它不能处理与单个类相关的所有特征的方差为零的列。换句话说，NaiveBayes 无法通过将正态分布拟合到特定类的特征来找到概率分布的参数（注意：分布的默认值是normal）。

看看你的特征的性质。如果他们似乎不遵循每个类中的正态分布，则normal不是您要使用的选项。也许您的数据更接近多项式模型mn： 

nb = NaiveBayes.fit(training_data, target_class, 'Distribution', 'mn');
于 2012-11-17T05:46:51.323 回答