OnlineGaussianNaiveBayes:在线高斯朴素贝叶斯分类器

在线高斯NaiveBayes #一个在线高斯朴素贝叶斯分类器 该分类器融合了传统的高斯朴素贝叶斯和数值稳定的在线计算方差算法。 请参阅以下链接： ##时间和空间性能一次只有一个实例存储在 RAM 中。 每个维度的均值和方差也被存储。 训练的运行时复杂度为 O(N D C)，其中 N 是实例数，D 是维数，C 是类数。 一个 1,000,000 个实例、二维、4 个平衡类的问题需要 25 秒在我 3 岁的 Macbook Pro 上进行训练。 ##Classification Performance 在一个二维 4 个平衡类问题（每个类的 2500 个实例）上，其点如下图所示，分类器的准确率约为 91.36%。 请注意，这些分类是在线完成的； 在预测开始之前，分类器被展示了 4 个实例。 之后，对新实例进行推理，然后分类器在新点上进行训练。 点的颜色表示分类器的猜测。 请注意，颜色聚类