我有一个大型数据集，有10个不同的输入和1个输出。所有输出和输入都是谨慎的（低，中，高）。我正在考虑为这个问题创建一个神经网络，但是当我设计网络有3个不同的输出（LOW，MEDIUM，HIGH）并使用softmax神经元时，我基本上得到了'概率'。我是对的吗？
这让我觉得尝试Naive Bayes分类器可能会更好，因而忽略输入变量之间可能的相关性，但是在大型数据集中Naive Bayes显示出有希望的结果。
在这种情况下，是否有理由选择神经网络而不是贝叶斯？当您想要概率作为输出时（在神经网络中使用softmax函数），选择神经网络的原因是什么。
答案 0 :(得分：5)
是的，通过输出层中的softmax激活，您可以将输出解释为概率。
在朴素贝叶斯上选择人工神经网络（ANN）的一个潜在原因是你提到的可能性：输入变量之间的相关性。 Naive Bayes假设所有输入变量都是独立的。如果该假设不正确，那么它会影响朴素贝叶斯分类器的准确性。具有适当网络结构的ANN可以处理输入变量之间的相关性/依赖性。