単純ベイズ分類器

これは，各クラスの特徴ベクトルが正規分布する事を仮定した（とはいえ，必ずしも独立に分布している必要はありません）単純な分類モデルです．したがって，全体的なデータ分布関数は，1クラスに対して1成分の混合ガウス分布で表現できると仮定されます．このアルゴリズムは，学習データを用いて各クラスの平均ベクトルと共分散行列を推定し，それらを用いた予測を行います．

[Fukunaga90] K. Fukunaga. Introduction to Statistical Pattern Recognition. second ed., New York: Academic Press, 1990.

CvNormalBayesClassifier

Comments from the Wiki

CvNormalBayesClassifier

正規分布するデータに対するベイズ分類器．

class CvNormalBayesClassifier : public CvStatModel
{
public:
    CvNormalBayesClassifier();
    virtual ~CvNormalBayesClassifier();

    CvNormalBayesClassifier( const CvMat* _train_data, const CvMat* _responses,
        const CvMat* _var_idx=0, const CvMat* _sample_idx=0 );

    virtual bool train( const CvMat* _train_data, const CvMat* _responses,
        const CvMat* _var_idx = 0, const CvMat* _sample_idx=0, bool update=false );

    virtual float predict( const CvMat* _samples, CvMat* results=0 ) const;
    virtual void clear();

    virtual void save( const char* filename, const char* name=0 );
    virtual void load( const char* filename, const char* name=0 );

    virtual void write( CvFileStorage* storage, const char* name );
    virtual void read( CvFileStorage* storage, CvFileNode* node );
protected:
    ...
};

CvNormalBayesClassifier::train

Comments from the Wiki

bool CvNormalBayesClassifier::train(const CvMat* _train_data, const CvMat* _responses, const CvMat* _var_idx =0, const CvMat* _sample_idx=0, bool update=false)

モデルを学習します．

このメソッドは，単純ベイズ分類器の学習を行います．これは，以下の制限を持つ一般的な train 「メソッド」の形式に従います： CV_ROW_SAMPLE データレイアウトのみをサポートします．また，すべての入力変数は連続変数で，出力変数はカテゴリ変数です（つまり，ベクトルが CV_32FC1 型だとしても， _responses の要素は整数でなければいけません）．そして，データ欠損はサポートされていません．

さらに，モデルを一から学習する（ update=false ）か，新しい学習データを利用して更新する（ update=true ）か，を指定する update フラグが存在します．

CvNormalBayesClassifier::predict

Comments from the Wiki

float CvNormalBayesClassifier::predict(const CvMat* samples, CvMat* results=0) const

サンプルに対する応答を予測します．

predict メソッドは，入力ベクトルに対して最も可能性の高いクラスを推定します．その入力ベクトル（単数または複数）は，行列 samples の各行に格納されています．入力ベクトルが複数の場合の出力は，1つのベクトル results となります．また，単一の入力ベクトルに対して予測されたクラスは，このメソッドの戻り値になります．