如何合并或合并错误率？答案

【问题标题】：How do I merge or combine error rates?如何合并或合并错误率？
【发布时间】：2017-03-27 13:20:22
【问题描述】：

假设我有一个包含 9 列连续数据和 4 列分类数据的数据集。在 Matlab 中，我将列分成两组，分别对它们进行训练/测试（朴素贝叶斯），并确定连续列的错误率为 0.45，分类列的错误率为 0.33。我的问题是 - 我如何确定组合错误？

编辑 - 添加了简单的伪代码概述：

for x = 1:num_iterations
  Mdl_NB1 = fitcnb(TrainingSet_Con,TrainingTargets,'Distribution','normal');
  Mdl_NB2 = fitcnb(TrainingSet_Dis,TrainingTargets,'Distribution','mn');
  [NB1_label,NB1_Posterior,NB1_Cost] = predict(Mdl_NB1,TestPoint_Con);
  [NB2_label,NB2_Posterior,NB2_Cost] = predict(Mdl_NB2,TestPoint_Dis);
  NB1_cumulLoss = NB1_cumulLoss + resubLoss(Mdl_NB1);
  NB2_cumulLoss = NB2_cumulLoss + resubLoss(Mdl_NB2);
end
NB1_avg_score = NB1_cumulLoss/num_iterations
NB2_avg_score = NB2_cumulLoss/num_iterations
total_avg_score = ???

原则上，三个明显的选择是：

(A+B) / 2
A * B
(A*(CountA/TotalCount)) + (B*(CountB/TotalCount))

但不确定这些是否正确，在这种情况下。

【问题讨论】：

任何代码示例？

标签： matlab gaussian categorical-data naivebayes continuous

【解决方案1】：

这没有意义；您正在有效地构建两个独立的模型。因此，要么构建一个包含所有列的模型（可能带有 'Distribution','mvmn'），要么将两个模型合并为一个，例如

Mdl_Ens = fitcnb([NB1_Posterior; NB2_Posterior],TrainingTargets,'Distribution','normal');
NEns_cumulLoss = NEns_cumulLoss + resubLoss(Mdl_Ens);

根据每个列的子集从两个模型的输出中实际构建单个模型。

【讨论】：