回归的朴素贝叶斯

Posted 2023-03-12

【中文标题】回归的朴素贝叶斯

【英文标题】：Naive Bayes For Regression

【发布时间】：2016-08-21 00:49:10

【问题描述】：

我想知道，我是否可以将朴素贝叶斯应用于回归问题以及如何完成。我有 4096 个图像特征和 384 个文本特征，如果我假设它们之间是独立的，那也不会很糟糕。谁能告诉我如何进行？

【参考方案1】：

朴素贝叶斯用于字符串和数字（​​分类） 它可以用于分类，所以它可以是 1 或 0，介于 0.5 之间（回归）

即使我们强制朴素贝叶斯并稍微调整它以进行回归，结果也令人失望；一个团队对此进行了试验，并取得了不太好的结果。

在***中，naivebayes 也接近逻辑回归。

与逻辑回归的关系： 朴素贝叶斯分类器可以被认为是拟合概率模型的一种方式，可以优化联合似然 p(C , x)，而逻辑回归拟合相同的概率模型来优化条件 p(C | x)。

所以现在你有两个选择，调整朴素贝叶斯公式或使用逻辑回归。

我说让我们使用逻辑回归而不是重新发明***。

参考资料：

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

朴素贝叶斯回归实验：https://link.springer.com/content/pdf/10.1023%2FA%3A1007670802811.pdf

【参考方案2】：

朴素贝叶斯作为回归算法对我来说没有意义。随机森林回归可能更适合您的问题。它应该能够处理混合的文本和图像特征。

【讨论】：

好的，我会尝试并回复您！感谢您的回复！

你能解释一下，为什么使用类似朴素贝叶斯的回归方法会不好？

朴素贝叶斯通常用于处理分类问题。我看不出它将如何应用于回归问题。

他们使用朴素贝叶斯进行回归。

@Deven 那篇论文说 NB 在回归方面表现不佳