Quelle est la différence entre un réseau Bayésien et un classificateur de Bayes naïf?
Quelle est la différence entre un réseau Bayésien et un classificateur de Bayes Naïf? J'ai remarqué que l'un est simplement implémenté en Matlab comme classify
l'autre a un net toolbox.
Si vous pouviez expliquer dans votre réponse que l'on est plus susceptible de fournir une meilleure précision et je vous serais reconnaissant (pas de pré-requis).
Vous devez vous connecter pour publier un commentaire.
Réponse courte, si vous êtes uniquement intéressé par la résolution d'une tâche de prédiction: utilisation Naïve Bayes.
Un réseau Bayésien (a une bonne wikipédia page) des modèles de relations entre les entités d'une manière très générale. Si vous savez ce que ces relations sont, ou ont suffisamment de données pour tirer, alors il peut être approprié d'utiliser un réseau Bayésien.
Un Naïf classificateur de Bayes est un modèle simple qui décrit classe particulière de réseau Bayésien - où toutes les fonctions sont de classe-conditionnellement indépendants. De ce fait, il y a certains problèmes qui Naive Bayes ne peut pas résoudre (exemple ci-dessous). Cependant, sa simplicité le rend également plus facile à appliquer, et il nécessite moins de données pour obtenir un bon résultat dans de nombreux cas.
Exemple: XOR
Vous avez un problème d'apprentissage avec les binaires caractéristiques
x1
etx2
et une variable cibley = x1 XOR x2
.Dans un classificateur de Bayes Naïf,
x1
etx2
doivent être traitées de façon indépendante afin de vous calculer des choses comme "La probabilité quey = 1
étant donné quex1 = 1
" - j'espère que vous pouvez voir que ce n'est pas utile, parce quex1 = 1
ne pas fairey = 1
plus ou moins probables. Depuis un réseau Bayésien, de ne pas assumer l'indépendance, il serait en mesure de résoudre un tel problème.Naive Bayes est juste une restriction de/contrainte forme d'un réseau Bayésien où vous appliquer la contrainte que le nœud de la classe devrait pas avoir des parents et que les nœuds correspondant à l'attribut variables devraient pas avoir de bords entre eux. En tant que tel, il n'y a rien qui empêche un général de réseau Bayésien à partir de l'être utilisé pour la classification - la prédiction de la classe est la probabilité maximale lors de l' (conditionnée), toutes les autres variables sont définies pour la prédiction des valeurs d'instance dans l'habitude inférence Bayésienne de la mode. Un bon livre à lire sur ce "Réseau Bayésien Classificateurs, l'Apprentissage Machine, 29, 131 à 163 (1997)". D'intérêt particulier est la section 3. Si Naive Bayes est une contrainte forme de réseau Bayésien, ce livre parle aussi pourquoi Naive Bayes peut et doit dépasser le général de réseau Bayésien dans la classification des tâches.