regression - 朴素贝叶斯回归

Question

我想知道是否可以将朴素贝叶斯应用于回归问题，以及该如何解决。我有4096个图像功能和384个文本功能，而且，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？

Answer 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(回归)之间

即使我们强制朴素的贝叶斯并对其进行一些微调以进行回归，结果还是令人失望的。一个团队对此进行了实验，并没有取得很好的结果。

同样在维基百科中，naivebayes与逻辑回归很接近。

Relation to logistic regression: naive Bayes classifier can be considered a way of fitting a probability model that optimizes the joint likelihood p(C , x), while logistic regression fits the same probability model to optimize the conditional p(C | x).

因此，现在您有两种选择，即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轮子。

引用:

维基百科:
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