machine-learning - 动态朴素贝叶斯分类器和朴素贝叶斯分类器有什么区别

Question

我目前使用 HMM 来预测太阳辐射。

传统的HMM模型只能考虑一个观测序列数据。

但是，当我使用吉布斯采样来估计隐藏状态时，隐藏状态减少了 4，并且误差很高。

现在，我正在考虑如何将多个数据输入到模型中，例如使用温度和消耗数据作为观测值。

所以我搜索动态朴素贝叶斯分类器。但是，我不知道什么是动态朴素贝叶斯分类器以及如何实现它。

有人可以给我一些答案或为我提供一些教程吗？

提前致谢:)

Answer 1

朴素贝叶斯分类器是一种监督机器学习模型，用于对给定的训练和测试数据集执行分类任务，并假设所有特征对于分配的类标签都是独立的。相反，动态朴素贝叶斯分类器是 HMM 模型的广义版本，可以对多变量观察序列进行建模。更多细节请看下面的论文，你只需要改变HMM模式的一部分就可以得到你自己的DNBC分类器。

1. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1665-64232011000100007

谢谢