我想知道贝叶斯分类器是否适用于一个应用程序，其中相同的短语“冷却”（例如）在关联某些东西（啤酒，苏打水）时“好”但与其他东西相关时“坏” （牛排，披萨，汉堡）？
我想知道的是，如果训练贝叶斯分类器（“啤酒冷”和“苏打冷”是“好”）取消训练“牛排冷”和“汉堡冷”是“坏” ）。
或者，贝叶斯（正确）可以训练“服务冷”可能是“好”还是“坏”取决于与之相关的内容？
我在这里和其他地方找到了很多关于贝叶斯的好信息，但是无法确定它是否适合这种类型的应用，其中一个好的或坏的短语的答案是“它取决于”？
答案 0 :(得分：6)
Naive Bayes classifier假定属性之间的独立性。例如，假设您有以下数据：
苹果果红BAD独立意味着属性（名称，水果，颜色）是独立的;例如，“苹果”可以是“水果”或“蔬菜”。在这种情况下，属性“名称”和“水果”是依赖的，所以朴素贝叶斯分类器太天真（它可能会将“苹果果实黄色”归类为坏，因为它是一个苹果而且它是一个水果 - 但不是所有的苹果水果？）。
为了回答你原来的问题，朴素贝叶斯分类假设类（好或坏）独立地依赖于每个属性，事实并非如此 - 我喜欢我的披萨热和我的苏打冷。
编辑：如果您正在寻找具有一些实用性的分类器，但理论上可能有许多类型I和类型II错误，朴素贝叶斯就是这样的分类器。朴素贝叶斯总比没有好，但使用不太天真的分类器有可衡量的价值。
答案 1 :(得分：2)
我不会像丹尼尔建议的那样快速解雇贝叶斯。 贝叶斯的质量（数学说话性能）取决于训练数据的数量和质量，以及您在开发算法时所做的假设。
为了给你一个简短的例子，如果你只喂它''beer cold'=＆gt; ：好，'披萨冷'=＆gt; ：bad}“冷”这个词实际上不会影响分类。它只会决定所有的啤酒都很好，所有的比萨都很糟糕（看看它有多聪明？:)）
无论如何，答案太短，无法详细解释这一点，我建议阅读Paul Graham关于他如何开发他的垃圾邮件过滤器的文章 - 请注意他根据贝叶斯制作了自己的算法而不仅仅是现成的分类器。在我（迄今为止）的经验中，似乎你最好跟随他为特定问题开发特定版本的算法，这样你就可以控制各种领域特定的假设。
如果您有兴趣，可以按照我的尝试（红宝石）：http://arubyguy.com/2011/03/03/bayes-classification-update/