Naive Bayes Классификатор

Question

Итак, я создаю систему автоматического распознавания речи, и я хочу использовать в качестве классификатора теорему Байеса . Я все еще читаю об этом и пытаюсь понять его концепции, поэтому постарайтесь ответить мне самым простым способом.

Я использовал MFCC извлечь особенности из моей речи и создал свой Class_template, который представляет собой массив, который содержит строки в особенности слова и столбцы представляют каждое слово (я только с помощью десяти слов Vocab, так десять столбцов - десять слов). Теперь у меня есть множество функций, и я вводил новое тестовое слово; делать работы над ним и преобразовывать его в вектор-функцию, и все в порядке.

Я хочу использовать теорему Байеса, чтобы определить, какой класс (слово), в моем class_template принадлежит мое новое тестовое слово.

поэтому я начал с вычисления среднего и стандартного отклонения каждого слова (как моего тестового слова, так и класса), и теперь думаю, что я должен подключить эти значения в PDF (функция плотности вероятности) и используйте его, чтобы рассчитать вероятность моего тестового слова каждому слову в моей class_template, наивысшей вероятности. это правильный ответ, я думаю.

1-Так что я делаю неправильно, и я иду в правильном направлении ???

2-любые подсказки, указатели или что делать ???

3-Когда я вычисляю PDF, который означает и std, должен ли я подключаться, тестовое слово класса или мое тестовое слово?

Спасибо.

Answer 1

то, что вы описали до сих пор, в основном правы, но как насчет предыдущей вероятности класса шаблона? если вы предполагаете, что это равномерное распределение, то с MLE оно будет одинаковым и будет иметь плохую производительность по сравнению с небольшим образцом.