朴素贝叶斯方法答案

【问题标题】：Naive Bayes method朴素贝叶斯方法
【发布时间】：2018-02-14 06:47:49
【问题描述】：

假设我已经让患者了解了他们的疾病和症状。我想估计 P(disease_i = TRUE|symptom_j = TRUE) 的概率。我想我应该使用 NB 分类器，但是我发现的每个示例都在只有一种疾病时应用朴素贝叶斯（例如预测心脏病发作的概率）。

我的数据如下所示：

patient | disease | if_disease_present | symptom

1       | d1      | TRUE               | s1
2       | d1      | FALSE              | s2
3       | d2      | TRUE               | s1
4       | d3      | TRUE               | s4
5       | d4      | FALSE              | s8
...

我的想法是根据疾病拆分数据并构建朴素贝叶斯模型的数量，我的数据中有多少独特的疾病，但我怀疑这是否是正确的方法。

【问题讨论】：

你能改写你的问题吗？有点难以理解这里有什么问题。是你数据不够吗？您的朴素贝叶斯解决方案是不起作用还是您认为它可能不起作用？
添加更正确：我想使用所有独特疾病的类别，以及它们是否作为 ONE 模型中的子类。
我刚刚发现它可能是伯努利朴素贝叶斯。对吗？

标签： machine-learning conditional probability naivebayes probability-theory

【解决方案1】：

如果你想预测疾病，不要拆分它上面的数据。

那是你的目标变量！

但是，您的桌子不适合这项任务。您需要对其进行预处理，可能需要进行一些枢轴化。

【讨论】：

我想预测一个症状（如果存在或不存在）。不是疾病。
那么你就不需要朴素贝叶斯了，你只需要一个频率表。