【发布时间】：2014-06-17 09:22:52
【问题描述】：
我试图了解它们之间的区别。
经验朴素贝叶斯分类器和参数贝叶斯分类器有什么区别？
【问题讨论】：
标签： data-mining bayesian
【发布时间】：2014-06-17 09:22:52
【问题描述】：
经验部分表示分布是从数据中估计出来的，而不是在分析开始之前就固定下来
经验贝叶斯方法是一种统计推断程序，其中先验分布是根据数据估计的。这种方法与标准贝叶斯方法形成对比，标准贝叶斯方法在观察任何数据之前先验分布是固定的。尽管存在这种观点上的差异，但经验贝叶斯可以被视为对分层模型的完全贝叶斯处理的近似，其中分层模型的最高级别的参数被设置为其最可能的值，而不是被整合出来。经验贝叶斯，也称为最大边际似然，[1] 代表了一种设置超参数的方法。
http://en.wikipedia.org/wiki/Empirical_Bayes_method
朴素意味着被分析的特征的值是相互独立的
朴素贝叶斯分类器是一种简单的概率分类器，它基于应用贝叶斯定理和强（朴素）独立假设。潜在概率模型的更具描述性的术语是“独立特征模型”。
【讨论】：
-
得到了经验朴素贝叶斯分类器部分，谢谢。这与参数贝叶斯分类器有何不同？