A continuación se muestra un ejemplo de un diagrama de dispersión ficticio de x, y donde BLUE (0) y RED(1) son el» objetivo «. El punto amarillo es mi entrada y estoy preguntando cuál es la predicción de que esto es BLUE (0) o RED(1)
Al usar Gaussian Naive Bayes (GaussianNB), obtengo una predicción de 0 con una probabilidad del 99,99% (tiene sentido)
Ahora, cuando uso Bernoulli Naive Bayes (BernoulliNB), obtengo una predicción de ROJO (1) con una probabilidad de 0.4202. (Por cierto, Multinominal NB también está apagado: 0.57%)
Preguntas:
- ¿Cuándo se usará Bernoulli Naive Bayes (aprecie un ejemplo) y
- ¿Por qué en este caso la predicción de Bernoulli es tan errónea?
Responder
Bernoulli Naive Bayes es solo para funciones binarias. De manera similar, Bayes ingenuo multinomial trata las características como probabilidades de eventos. Su ejemplo se da para características no binarias de valor real $ (x, y) $, que no se encuentran exclusivamente en el intervalo $ [0,1] $, por lo que los modelos no se aplican a sus características.
Un ejemplo típico (tomado de la página wiki) para Bernoulli o NB multinomial es la clasificación de documentos, donde las características representan la presencia de un término (en el caso de Bernoulli) o la probabilidad de un término (en el caso multinomial).
Comentarios
- FYI: Bernoulli Naive Bayes vs. Multinomial Naive Bayes