Alla on esimerkki x: n, y: n nuken sirontakaaviosta, jossa BLUE (0) ja RED(1) ovat” kohde ”. Keltainen piste on syötteeni ja kysyn, mikä on ennuste siitä, että tämä on joko BLUE (0) tai RED(1)
Käyttämällä Gaussian Naive Bayesia (GaussianNB) saan ennusteen 0 todennäköisyydellä 99,99% (järkeä)
Kun käytän Bernoulli Naive Bayesia (BernoulliNB), saan ennusteen PUNAINEN (1) todennäköisyydellä 0,4202. (BTW, myös Multinominal NB on pois päältä: 0,57%)
Kysymykset:
- Milloin käytetään Bernoulli Naive Bayesia (arvostan esimerkki) ja
- miksi Bernoullin ennustus on tässä tapauksessa niin poissa käytöstä?
vastaus
Bernoulli Naive Bayes on tarkoitettu vain binaaritoiminnoille. Vastaavasti monikokoinen naiivi Bayes käsittelee ominaisuuksia tapahtuman todennäköisyydinä. Esimerkkisi on annettu ei-binäärisistä reaaliarvoisista ominaisuuksista $ (x, y) $, jotka eivät ole yksinomaan välissä $ [0,1] $, joten mallit eivät koske ominaisuuksiasi.
Tyypillinen esimerkki (otettu wiki-sivulta) joko Bernoullille tai monikokoiselle NB: lle on asiakirjaluokitus, jossa piirteet edustavat termin läsnäoloa (Bernoullin tapauksessa) tai termin todennäköisyyttä (in monikokoinen tapaus).
kommentit
- FYI: Bernoulli Naive Bayes vs. monikokoiset Naive Bayes