我想知道貝葉斯分類器是否適用於其中相關短語「服務冷」（例如）在關聯某些東西（啤酒，蘇打水）時是「好」但與其他東西相關時是「壞」的應用牛排，披薩，漢堡）？想知道貝葉斯分類器是否正確？
我想知道的是，如果訓練貝葉斯分類器（「啤酒冷」和「蘇打冷」是「好」），取消訓練「牛排服冷」和「漢堡冷服」是「不好的」 「）。
或者，貝葉斯（正確）可以訓練「服冷」可能是「好」還是「壞」，取決於它與什麼相關？
我在這裏和其他地方發現了許多有關貝葉斯的良好信息，但無法確定它是否適合這種類型的應用程序，其中一個短語的好壞是「它取決於」？
A Naive Bayes classifier假定屬性之間是獨立的。例如，假設您有以下數據：
蘋果果實紅糟
蘋果果綠BAD
香蕉果實黃GOOD
番茄蔬菜紅色GOOD
獨立，意味着屬性（名稱，水果，顏色）是獨立的;例如，「蘋果」可能是「水果」或「蔬菜」。在這種情況下，屬性「名稱」和「水果」是相關的，所以樸素貝葉斯分類器太天真（它可能會將「蘋果果實黃色」歸類爲BAD，因爲它是一個蘋果，它是一種水果 - 但不是所有的蘋果水果？）。
爲了回答你原來的問題，一個樸素貝葉斯分類器假設類（GOOD或BAD）獨立依賴於每個屬性，事實並非如此 - 我喜歡我的比薩餅熱和我的蘇打冷。
編輯：如果你正在尋找一個具有一定效用的分類器，但理論上可能有許多類型I和類型II錯誤，樸素貝葉斯是這樣一個分類器。樸素貝葉斯總比沒有好，但是在使用不太天真的分類器方面有可衡量的價值。
很好的解釋和答案！謝謝！！！ – jpwynn 2011-02-05 00:12:49
我不會像丹尼爾所說的那樣快地駁回貝耶斯。 貝葉斯的質量（在數學上的表現）取決於訓練數據的數量和質量，以及您在開發算法時所做的假設。爲了給你一個簡單的例子，如果你只餵食{'beer cold'=>：good，'pizza cold'=>：bad}，'cold'這個詞實際上不會影響分類。它只會決定所有的啤酒都很好，所有的比薩餅都不好（看看它有多聰明:)）
無論如何，答案太短，無法詳細解釋這一點，我會推薦閱讀Paul Graham的文章他開發了他的垃圾郵件過濾器 - 注意他基於貝葉斯製作了自己的算法，而不僅僅是現成的分類器。在我的（至今很短的）經驗中，似乎你最好跟隨他開發特定版本的算法以適應特定的問題，因此您可以控制各種特定領域的假設。
你可以按照我的嘗試（紅寶石）這裏，如果你有興趣：http://arubyguy.com/2011/03/03/bayes-classification-update/在我們的應用
，順便說一句，我們有一個比較小的數名詞（下100）和相對較少的形容詞（50 ），所以我們可以高興地預先定義一個相當完整的好/壞組合的結構......但不確定什麼樣的備用「評分引擎」可以讓短消息得分。 – jpwynn 2011-02-01 22:11:14