Question

我尝试使用NaiveBayes分类器和NaiveBayesSimple分类器进行分类，使用以下数据：

@attribute a real
@attribute b {yes, no}                                                                                        

@data                                                                                                            
1,yes
3,yes
5,yes
2,yes
1,yes
4,no
7,no
5,no
8,no
9,no

使用NaiveBayesSimple分类器时，我得到了我期望的均值和方差值：

=== Classifier model (full training set) ===

Naive Bayes (simple)

Class yes: P(C) = 0.5       

Attribute a
Mean: 2.4           Standard Deviation: 1.67332005



Class no: P(C) = 0.5       

Attribute a
Mean: 6.6           Standard Deviation: 2.07364414

然而，当使用NaiveBayes分类器时，我得到不同的值：

=== Classifier model (full training set) ===

Naive Bayes Classifier

            Class
Attribute         yes     no
                (0.5)  (0.5)
=============================
a
  mean          2.5143 6.6286
  std. dev.     1.3328 1.8286
  weight sum         5      5
  precision     1.1429 1.1429

我想知道平均/ SD变化的原因是什么？我已经阅读了论文，NaiveBayes分类器基于：http://citeseer.ist.psu.edu/viewdoc/summary?doi=10.1.1.8.3257，并且在那里找不到任何理由。

由于

Answer 1

这两种算法彼此不同。

Weka中的朴素贝叶定义如下：

名称weka.classifiers.bayes.NaiveBayes

使用估算器类的朴素贝叶斯分类器的SYNOPSIS类。   基于分析，选择数值估计精度值   培训数据。因此，分类器不是   UpdateableClassifier（在典型用法中初始化为零   训练实例） - 如果您需要UpdateableClassifier   功能，使用NaiveBayesUpdateable分类器。该   NaiveBayesUpdateable分类器将使用默认精度0.1   对于使用零调用buildClassifier时的数字属性   培训实例。

有关朴素贝叶斯分类器的更多信息，请参阅

George H. John，Pat Langley：估算连续分布   贝叶斯分类器。在：第十一届不确定性会议   人工智能，圣马特奥，338-345,1995。

OPTIONS debug - 如果设置为true，分类器可能会输出其他信息   到控制台。

displayModelInOldFormat - 使用旧格式进行模型输出。老人   当有许多类值时，格式更好。新格式是   当有更少的类和许多属性时更好。

useKernelEstimator - 使用内核估算器来表示数字属性   而不是正常的分布。

useSupervisedDiscretization - 使用有监督的离散化   将数字属性转换为名义属性。

和NaiveBayesSimple定义如下：

名称weka.classifiers.bayes.NaiveBayesSimple

SYNOPSIS用于构建和使用简单朴素贝叶斯的类   classifier.Numeric属性由正态分布建模。

有关详细信息，请参阅

Richard Duda，Peter Hart（1973）。模式分类和场景   分析。 Wiley，纽约。

OPTIONS debug - 如果设置为true，分类器可能会输出其他信息   到控制台。

Weka NaiveBayes分类器给出不同的（错误的？）数值的标准/标准偏差

1 个答案: