回归的朴素贝叶斯

Question

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？

Answer 1

作为回归算法，朴素贝叶斯对我来说没有意义。随机森林回归可能更适合您的问题。它应该能够处理混合文本和图像功能。

Answer 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