Poniżej znajduje się przykład fikcyjnego wykresu punktowego x, y, gdzie BLUE (0) i RED(1) są„ celem ”. Żółta kropka to moje dane wejściowe i pytam, jakie jest przewidywane, że jest to BLUE (0) lub RED(1)
Używając Gaussian Naive Bayes (GaussianNB), otrzymuję prognozę 0 z prawdopodobieństwem 99,99% (ma sens)
Teraz, kiedy używam Bernoulliego Naive Bayesa (BernoulliNB), otrzymuję prognozę CZERWONY (1) z prawdopodobieństwem 0,4202. (BTW, Multinominal NB jest również wyłączony: 0,57%)
Pytania:
- Kiedy użyje się Bernoulli Naive Bayes (doceń przykład) i
- Dlaczego w tym przypadku przewidywania Bernoulliego są tak błędne?
Odpowiedź
Bernoulli Naive Bayes jest przeznaczony tylko dla funkcji binarnych. Podobnie wielomianowy naiwny Bayes traktuje cechy jako prawdopodobieństwa zdarzenia. Twój przykład jest podany dla niebinarnych cech $ (x, y) $ o wartości rzeczywistej, które nie leżą wyłącznie w przedziale $ [0,1] $, więc modele nie mają zastosowania do twoich funkcji.
Typowym przykładem (zaczerpniętym ze strony wiki) dla Bernoulliego lub wielomianowego NB jest klasyfikacja dokumentu, gdzie cechy reprezentują obecność terminu (w przypadku Bernoulliego) lub prawdopodobieństwo wystąpienia terminu (w przypadek wielomianowy).
Komentarze
- Do Twojej wiadomości: Bernoulli Naive Bayes kontra Wielomianowe Naive Bayes