樸素貝葉斯迴歸

Question

我想知道，如果我可以應用樸素貝葉斯，迴歸問題，它將如何完成。我有4096個圖像特徵和384個文本特徵，如果我假設它們之間是獨立的，它不會很糟糕。任何人都可以告訴我如何繼續？

Answer 1

作爲迴歸算法，樸素貝葉斯對我沒有意義。隨機森林迴歸可能更適合您的問題。它應該能夠處理混合的文本和圖像功能。

Answer 2

樸素貝葉斯用於字符串和數字（​​斷然） 可以用於分類，因此它可以是1名或0沒有在像0.5（迴歸）

之間即使我們迫使樸素貝葉斯和調整它有點回歸結果令人失望;一個團隊對此進行了實驗並取得了不太好的結果。

此外，在維基百科，naivebayes已經接近邏輯迴歸。

關係到邏輯迴歸： 樸素貝葉斯分類器可以被認爲是恰當的優化聯合似然度P（C，X）的概率模型的一種方式，而邏輯迴歸擬合相同的概率模型來優化條件p（C | x）。

所以，現在你必須選擇，調整樸素貝葉斯公式或使用邏輯迴歸。

我說讓我們使用邏輯迴歸，而不是重新發明輪子。

參考文獻：

百科： https://en.wikipedia.org/wiki/Naive_Bayes_classifier#Relation_to_logistic_regression

樸素貝葉斯迴歸試驗：https://link.springer.com/content/pdf/10.1023%2FA%3A1007670802811.pdf