私は、クラス変数をバイナリにして、連続的かつカテゴリカルな入力でナイーブベイズ分類子の理解に精通しています。しかし、バイナリデータの入力にはどのように機能しますか?バイナリデータを持つナイーブベイズ分類器
Example: (0,0,-), (1,1,+)
ここで、記号はクラス変数です。
私は、クラス変数をバイナリにして、連続的かつカテゴリカルな入力でナイーブベイズ分類子の理解に精通しています。しかし、バイナリデータの入力にはどのように機能しますか?バイナリデータを持つナイーブベイズ分類器
Example: (0,0,-), (1,1,+)
ここで、記号はクラス変数です。
バイナリデータは基本的にカテゴリデータと同じですか?
カテゴリは0
と1
です。
ナイーブベイズ分類器の異なるタイプがあります。
ガウス:それは分類に使用され、それは特徴が正規分布に従っていることを前提としています。
多項式:離散的なカウントに使用されます。たとえば、テキスト分類の問題があるとします。ここでは、さらに一歩前の「文書内に出現する単語」の代わりに、「文書中で単語がどのくらいの頻度で出現するか」をカウントするbernoulli試行を考えることができます。「出現回数x_iが観察される回数n回の試行を重ねる。
ベルヌーイ:二項モデルは、あなたの特徴ベクトルがバイナリ(すなわち0と1)である場合に便利です。 1つのアプリケーションは、1s & 0が「文書内に単語が出現する」および「文書に単語が出現しない」という「単語の袋」モデルを用いたテキスト分類である。だからここ
、ベルヌーイが仕事や作業の詳細については0または1
としてそれらを分類する、次を参照してください。https://nlp.stanford.edu/IR-book/html/htmledition/the-bernoulli-model-1.html
プロセスは同じですか? –
実際にバイナリの決定は、純粋なベイが行う唯一のものです。バイナリの決定にすべてを(カテゴリ化、しきい値を使って数値化する)減らします。 –