朴素贝叶斯分类器

Question

所以我正在建立一个自动语音识别系统，我想使用贝叶斯定理作为分类器。 我还在阅读它并试图理解它的概念，所以尽量以最简单的方式回答我。

我使用MFCC从我的演讲中提取功能并创建了我的Class_template，这是一个数组，其中包含行作为单词的特征，列代表每个单词（我只是使用十个单词的词汇，所以十列是十个单词）。 现在我有我的一系列功能，我输入了一个新的测试词;对它进行操作并将其转换为特征向量，这一切都很好。

我想使用贝叶斯定理来确定我的class_template中哪个类（单词）是否属于我的新测试单词。

所以我开始计算每个单词的平均值和标准偏差（我的测试单词和类），现在认为我应该将这些值插入PDF（概率密度函数），并使用它计算我的测试词对class_template中每个单词的概率，即最高概率​​。我猜是正确的答案。

1 - 所以我做错了什么，我正朝着正确的方向前进？

2 - 任何提示，指示或做什么???

3 - 当我计算PDF时，我应该插入是什么意思和标准，这是我或我的测试词？

感谢。

Answer 1

到目前为止你所描述的大多是正确的，但是模式类的先验概率怎么样？如果你认为它是一个统一的分布，那么它与MLE是一样的，并且在小样本上会有不好的表现。