algorithm - 想知道贝叶斯分类器是否是正确的方法？

Question

我想知道贝叶斯分类器对于这样的应用程序是否有意义，其中相同的短语“served cold”(例如)在关联某些事物(啤酒、苏打水)时是“好”但与其他事物相关时是“坏” (牛排、披萨、汉堡)？

我想知道的是，训练贝叶斯分类器(“啤酒冷”和“苏打冷”是“好”)是否会取消对“牛排冷”和“汉堡冷”是“坏”的训练).

或者，能否(正确地)训练贝叶斯“冷饮”可能是“好”或“坏”，具体取决于与之相关的内容？

我在这里和其他地方找到了很多关于贝叶斯的有用信息，但无法确定它是否适合这种类型的应用程序，因为短语好坏的答案是“这取决于”？

Answer 1

A Naive Bayes classifier假设属性之间是独立的。例如，假设您有以下数据:

苹果果红BAD
苹果 水果 绿色 BAD
香蕉果黄色 GOOD
番茄蔬菜红GOOD

独立性是指属性(名称、水果、颜色)是独立的；例如，“苹果”可以是“水果”或“蔬菜”。在这种情况下，属性“name”和“fruit”是相关的，所以朴素贝叶斯分类器太朴素了(它可能会将“apple fruit ye​​llow”分类为 BAD，因为它是一个苹果而且它是一个水果——但不是所有的苹果水果？)。

为了回答您最初的问题，朴素贝叶斯分类器假设类别(好或坏)独立地取决于每个属性，但事实并非如此——我喜欢热披萨和冷苏打水。

编辑:如果您正在寻找具有一定实用性但理论上可能有大量 I 类和 II 类错误的分类器，那么朴素贝叶斯就是这样一个分类器。朴素贝叶斯总比没有好，但使用不那么朴素的分类器具有可衡量的值(value)。