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。