我正在寻找一个用C / C ++编写的用于OpenCV的Multinomial Naive Bayes分类器。
我正在寻找算法（或现成的实现），因为它会更有帮助，因为我试图了解它是如何工作的？
朴素贝叶斯分类器是一种众所周知的分类算法。特别是在文本分类领域，所以我会把它作为解释。
假设我们有一些培训文档{d1 , d2 , d3 , ... , dm}，其中每个文档可以由一组单词{w1,w2,w3, ... , wn}表示，每个文档属于一些预定义的类集（在这里采用二进制文件(c_0,c_1)）我们的任务是将一些新的输入文档d分类为类c_0或类c_1。
一种直观的方法是采用最大似然估计：即
output c_0 if P(d | c_0) > P(d | c_1) and vice versa.
所以根据我们对d的定义，我们可以写出标准
P(d | c_0) = P( {w1,w2,w3...,wn} | c_0)
因为计算这个联合概率给定的类是如此复杂。因此，我们强烈假设单词在课堂上是相互独立的。这导致我们
P(d | c_0) = P({w1,w2,w3...,wn} | c_0) = P(w1|c_0)*P(w2|c_0)*P(w2|c_0)...*P(wn|c_0)
其中每个P(w | c)可以很容易地计算为c类中词w的频率计数。
这个强烈的假设是“Naive”这个名字的原因，因为我们只是天真地为每个单词进行系列乘法。
最后拿answer = argmax P(d | c_0) , P(d | c_1)会结束这个算法
我想在你的域中你所看到的与文本分类类似，除了你需要提取的功能是不同的。