ava*_*gen 1 machine-learning bayesian neural-network
我有一个大型数据集，其中包含10个不同的输入和1个输出。所有的输出和输入都是谨慎的（低，中，高）。我当时正在考虑为这个问题创建一个神经网络，但是当我将网络设计为具有3种不同的输出（低，中，高）并使用softmax神经元时，我基本上得到了“概率”。我对么？
这使我认为尝试使用Naive Bayes分类器可能更好，因此可以忽略输入变量之间的可能相关性，但是在大型数据集中，Naive Bayes显示出令人鼓舞的结果。
在这种情况下，是否有理由选择贝叶斯神经网络？当您希望将概率作为输出时选择神经网络的原因是什么（使用神经网络中的softmax函数）。
是的，通过在输出层中激活softmax，您可以将输出解释为概率。
您提到的可能性是在朴素贝叶斯上选择人工神经网络（ANN）的潜在原因：输入变量之间的相关性。朴素贝叶斯假设所有输入变量都是独立的。如果该假设不正确，则可能会影响朴素贝叶斯分类器的准确性。具有适当网络结构的人工神经网络可以处理输入变量之间的相关性/依赖性。