回归的朴素贝叶斯答案

【问题标题】：Naive Bayes For Regression回归的朴素贝叶斯
【发布时间】：2016-08-21 00:49:10
【问题描述】：

我想知道，我是否可以将朴素贝叶斯应用于回归问题以及如何完成。我有 4096 个图像特征和 384 个文本特征，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？

【问题讨论】：

【解决方案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 之间（回归）

即使我们强制朴素贝叶斯并稍微调整它以进行回归，结果也令人失望；一个团队对此进行了试验，并取得了不太好的结果。

在维基百科中，naivebayes 也接近逻辑回归。

与逻辑回归的关系：朴素贝叶斯分类器可以被认为是拟合概率模型的一种方式，可以优化联合似然 p(C , x)，而逻辑回归拟合相同的概率模型来优化条件 p(C | x)。

所以现在你有两个选择，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。

参考资料：

【讨论】：

【解决方案2】：

朴素贝叶斯作为回归算法对我来说没有意义。随机森林回归可能更适合您的问题。它应该能够处理混合的文本和图像特征。

【讨论】：