Naive Bayes算法的替代方案

Question

我们正在尝试实施语义搜索算法，根据用户的搜索字词提供建议的类别。

目前我们已经实施了Naive Bayes概率算法来返回数据中每个类别的概率，然后返回最高的概率。

然而，由于其天真，它有时会导致结果错误。

如果不进入神经网络和其他荒谬复杂的东西，我们可以研究另一种选择吗？

Answer 1

朴素贝叶斯（NB）与Logistic回归没有太大的不同。根据经验，Logistic回归在大多数情况下在预测性能方面优于NB。

此外，如果您有足够的数据并且没有任何丢失的数据，那么您很可能会发现NB的预测性能与更复杂的方法（如贝叶斯网络（BN））非常相似，没有天真的＆＃39;协变量之间的独立假设。

如果你想放松独立性假设而不必完全潜入BN领域，你可以先尝试Tree Augmented Naive Bayes算法。

Answer 2

如果你不认为线性SVM是可笑的复杂东西，你可以试试。众所周知，它可以很好地完成这些任务。