学习朴素贝叶斯前的状态

HeadtrouserHeadtrouser 成员职位:2新手
2021年8月编辑 在帮助
你好社区
我想创建一个带条件的朴素贝叶斯模型。
算法的目标是尽量减少误分类，并具备以下条件:
协方差(一个值)>= x
为了计算协方差，它需要有一个预测(1)值((该属性的值-平均值)*预测(1))。在我得到第一个预测后，我已经可以用宏计算它)
在朴素贝叶斯中，不需要改变任何参数来优化模型。
我的第一个建议是在训练过程中使用循环和分支来检查条件，并找到错误分类最少的模型。
这里的问题是朴素贝叶斯不会改变模型因为没有参数可以改变。

所以我需要一些想法如何在学习过程中创造条件。

顺便说一句。
我想要一个没有java的解决方案;）
我对它只有基本的了解，我真的不够好，无法用它来编程任何分类器。

谢谢你！
标记:
    登录或注册置评。