回归的朴素贝叶斯

Question

我想知道，如果我可以应用朴素贝叶斯，回归问题，它将如何做到。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，那就不会很糟糕了。有人能告诉我如何继续吗？

Answer 1

朴素贝叶斯用于字符串和数字(分类)，它可以用于分类，因此它可以是1或0没有介于0.5之间(回归)

即使我们强制使用朴素贝叶斯，并对其进行一点调整以进行回归，结果也是令人失望的；A团队对此进行了试验，并取得了不太好的结果。

此外，在维基百科中，naivebayes与逻辑回归关系密切。

与logistic回归的关系：朴素贝叶斯分类器可以被认为是一种拟合优化联合似然p(C，x)的概率模型的方法，而logistic回归适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：

维基百科：https://en.wikipedia.org/wiki/Naive_Bayes_classifier#Relation_to_logistic_regression

朴素贝叶斯回归实验：https://link.springer.com/content/pdf/10.1023%2FA%3A1007670802811.pdf

Answer 2

朴素贝叶斯作为一种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功能。