Я знаком с пониманием наивного классификатора заливов с непрерывным и категориальным вводом с переменной класса, являющейся двоичной. Но как он будет работать для ввода двоичных данных?Классификатор наивных заливов с двоичными данными
Example: (0,0,-), (1,1,+)
где знаки являются переменными класса.
Двоичные данные по существу такие же, как и категориальные данные, не так ли?
Имеются категории 0 и 1.
Существуют различные типов наивного байесовского классификатора:
гауссовских: Он используется в классификации, и он предполагает, что функции следует нормальному распределению.
Multinomial: Используется для дискретных вычислений. Например, допустим, у нас есть проблема классификации текста. Здесь мы можем рассматривать испытания bernoulli, которые являются еще одним шагом и вместо «слова, происходящего в документе», мы «подсчитываем, как часто происходит слово в документе», вы можете думать об этом как о «количестве случаев, когда наблюдается число результатов x_i над n испытаниями ".
Bernoulli: Биномиальная модель полезна, если ваши векторы объектов являются двоичными (то есть нулями и единицами). Одним из приложений будет текстовая классификация с моделью «мешок слов», где 1s & 0s «слово встречается в документе» и «слово не встречается в документе» соответственно.
Так вот, Бернулли будет работать и классифицировать их как 0 или 1.
Для деталей работы, см: https://nlp.stanford.edu/IR-book/html/htmledition/the-bernoulli-model-1.html
тогда процесс такой же? –
На самом деле бинарные решения - это единственное, что делают наивные байки, вы сводите все (категориальные, числовые по пороговому значению) к бинарным решениям. –