與樸素貝葉斯分類器

Question

在線學習我試圖預測進入網絡封包的到達間隔時間。餘測量網絡分組的到達間時間和在二進制特徵的形式表示這個數據：XI = 0,1,1,1,0，...，其中XI = 0，如果到達間時間小於盈虧平衡時間，否則爲1。該數據必須被映射到兩個可能的類C = {0,1}，其中C = 0表示短到達間隔時間和1表示長到達間隔時間。因爲我想在一個在線功能中實現分類器，只要我觀察到功能向量xi = 0,1,1,0 ...，我計算MAP類。因爲我沒有條件和先驗概率的先前估計，我初始化它們如下：

p(x=0|c=0)=p(x=1|c=0)=p(x=0|c=1)=p(x=1|c=1)=0.5 
p(c=0)=p(c=1)=0.5 

對於每個特徵向量（X1 = M1，X2 = M2，...，XN = MN ），當I輸出一個類ç，我更新條件和先驗概率如下：

p(xi=mi|y=c)=a+(1-a)*p(p(xi=mi|c) 
p(y=c)=b+(1-b)*p(y=c) 

的問題是，我總是得到一個偏置預測。由於長到達間次數比短相對少，後路短的總是保持低於長更高。有什麼辦法可以改善嗎？或者我做錯了什麼？任何幫助將不勝感激。

Answer 1

既然你有很長的時間序列，最好的路徑很可能會考慮多單前值。這樣做的標準方法是使用時間窗口，即將長向量Xi分割爲長度不變的重疊片段，將最後一個值視爲類別，並將它們用作列車集合。這也可以通過以在線方式流式傳輸數據來完成，通過在新數據到達時遞增地更新NB模型。

注意，使用此方法，而回歸算法可能最終會比NB更好的選擇。

Weka的（3.7.3及以上版本）有一個非常好的dedicated tool支持時間序列分析。另外，MOA也基於Weka，並支持流數據的建模。

編輯：它也可能是從二進制功能移動到真實值（可能歸一化），並申請門檻後分類是個好主意。這可能會爲迴歸模型（NB或其他）提供更多信息，從而提高準確性。