申请/专利权人：天津大学

申请日：2020-10-28

公开（公告）日：2021-01-12

公开（公告）号：CN112215365A

主分类号：G06N20/00(20190101)

分类号：G06N20/00(20190101);G06N3/00(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的视为撤回

法律状态：2023.11.03#发明专利申请公布后的视为撤回;2021.01.29#实质审查的生效;2021.01.12#公开

摘要：本发明公开了一种基于朴素贝叶斯模型提供特征预测能力方法，包括如下步骤：步骤1、根据所应用的技术领域采集数据集进行特征预处理生成特征数据集；步骤2、提取模型中参数通过十折交叉验证方法，根据特征数据集进行参数调节生成超参数值；步骤3、设置高斯朴素贝叶斯模型的超参数值，使用其fit函数对所述特征数据集进行拟合，同时获得特征值预测概率模型；步骤4、通过柱状图的形式描绘出特征值预测概率模型概率分布情况，该方法使用后验概率提高所应用计算、医学、能源和语音不同领域的特征预测能力，能够准确性、有效性地描绘出所应用相关技术领域的特征预测能力。

主权项：1.一种基于朴素贝叶斯模型提供特征预测能力方法，其特征在于:使用朴素贝叶斯分类器做推断任务而不是分类任务；可以得到同一个特征属性不同特征值的预测能力分布情况，包括如下步骤：步骤1、根据所应用的技术领域采集数据集进行特征预处理生成特征数据集；步骤2、提取模型中参数通过十折交叉验证方法，根据特征数据集进行参数调节生成超参数值；步骤3、设置高斯朴素贝叶斯模型的参数值，使用其fit函数对所述特征数据集进行拟合，同时获得特征值预测概率模型，将拟合后的数据代入特征值预测概率模型的公式1；所述特征值预测概率模型为： 其中，写出上面公式中的参数情况：μ表示数据均值，δ表示数据方差，可通过高斯朴素贝叶斯模型的均值方差函数获得；步骤4、通过柱状图的形式描绘出特征值预测概率模型概率分布情况。

全文数据：

权利要求：

百度查询： 天津大学 一种基于朴素贝叶斯模型提供特征预测能力方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD