1

我有一个包含 10 个不同输入和 1 个输出的大型数据集。所有的输出和输入都是谨慎的(低、中、高)。我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 个不同的输出(低、中、高)并使用 softmax 神经元时,我基本上得到了一个“概率”。我对么?

这让我认为尝试朴素贝叶斯分类器可能会更好,从而忽略输入变量之间可能的相关性,但是在大型数据集中朴素贝叶斯显示出有希望的结果。

在这种情况下,是否有理由选择神经网络而不是贝叶斯?当您想要概率作为输出时(使用神经网络中的 softmax 函数),选择神经网络的原因是什么。

4

1 回答 1

5

是的,通过输出层中的 softmax 激活,您可以将输出解释为概率。

选择人工神经网络 (ANN) 而不是朴素贝叶斯的一个潜在原因是您提到的可能性: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 ANN 可以处理输入变量之间的相关性/依赖性。

于 2012-08-20T13:03:01.610 回答