【发布时间】：2012-09-23 11:49:02
【问题描述】：
我们正在尝试实施一种语义搜索算法，以根据用户的搜索词给出建议的类别。
目前我们已经实现了朴素贝叶斯概率算法来返回我们数据中每个类别的概率，然后返回最高的一个。
然而，由于它的幼稚，它有时会得到错误的结果。
如果不涉及神经网络和其他极其复杂的东西，我们是否可以研究另一种选择？
【问题讨论】：
-
如何应用贝叶斯分类器？每个类别是否表示为词频向量？
标签： bayesian naivebayes
【发布时间】：2012-09-23 11:49:02
【问题描述】：
朴素贝叶斯 (NB) 与逻辑回归没有太大区别。根据经验，逻辑回归在大多数情况下的预测性能都优于 NB。
此外，如果您有足够的数据并且没有任何缺失数据，那么您很可能会发现 NB 的预测性能与更复杂的方法几乎相同，例如贝叶斯网络 (BN)，它协变量之间没有“天真的”独立性假设。
如果您想放松独立性假设，而不必完全深入 BN 领域，您可以先尝试Tree Augmented Naive Bayes 算法。
【讨论】：
如果您不认为线性 SVM 是非常复杂的东西，您可以尝试一下。众所周知，它可以很好地完成此类任务。
【讨论】：
-
什么是“线性支持向量机”？
-
支持向量机。