我想知道,如果我可以应用朴素的贝叶斯,回归问题以及如何做到这一点。我有4096个图像功能和384个文本功能,如果我假设它们之间的独立性,那将会非常糟糕。谁能告诉我怎么办?
答案 0 :(得分:3)
答案 1 :(得分:2)
Naive bayes用于字符串和数字(断然) 它可以用于分类,因此它可以是1或0之间的任何东西,如0.5(回归)
即使我们强迫朴素的贝叶斯并稍微调整一下回归,结果也令人失望;一个团队对此进行了实验,并取得了不太好的结果。
同样在维基百科,naivebayes接近逻辑回归。
与逻辑回归的关系: 朴素贝叶斯分类器可以被认为是一种拟合优化联合似然p(C,x)的概率模型的方法,而逻辑回归拟合相同的概率模型来优化条件p(C | x)。
所以现在你有两个选择,调整朴素贝叶斯公式或使用逻辑回归。
我说让我们使用逻辑回归而不是重新发明轮子。
参考文献:
百科: https://en.wikipedia.org/wiki/Naive_Bayes_classifier#Relation_to_logistic_regression
朴素贝叶斯回归实验:https://link.springer.com/content/pdf/10.1023%2FA%3A1007670802811.pdf