朴素贝叶斯回归

Question

我想知道是否可以将朴素贝叶斯应用于回归问题以及如何解决。我有4096个图像功能和384个文本功能，并且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？

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 之间没有任何东西，例如 0.5（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实验，但结果并不理想。

同样在维基百科中，naivebayes 与逻辑回归很接近。

与逻辑回归的关系：朴素贝叶斯分类器可以被认为是一种拟合概率模型的方式，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：

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。