Naive Bayes Klassifikator mit binären Daten

Question

Ich bin vertraut mit dem Verständnis von naiven Bayes Klassifikator mit kontinuierlichen und kategorischen Eingabe mit der Klasse Variable binär. Aber wie wird es für die binäre Dateneingabe funktionieren?

Example: (0,0,-), (1,1,+) 

wo die Zeichen die Klassenvariablen sind.

Answer 1

Binärdaten sind im Wesentlichen die gleichen wie kategorische Daten, nicht wahr?

Es hat Kategorien 0 und 1.

Answer 2

Es gibt verschiedene Arten von Bayes-Klassifikator:

1. Gaussian: Es wird in der Klassifizierung verwendet, und es wird davon ausgegangen, dass Merkmale einer Normalverteilung folgen.

2. Multinomial: Es wird für diskrete Zählungen verwendet. Nehmen wir zum Beispiel an, wir haben ein Textklassifikationsproblem. Hier können wir bernoulli Versuche betrachten, die einen Schritt weiter sind und anstatt "im Dokument vorkommendes Wort" haben wir "zählen, wie oft das Wort im Dokument vorkommt", können Sie es als "Häufigkeit, wie die Ergebniszahl x_i beobachtet wird, denken über die n Versuche ".

3. Bernoulli: Das Binomialmodell ist nützlich, wenn Ihre Merkmalsvektoren binär sind (d. H. Nullen und Einsen). Eine Anwendung wäre die Textklassifizierung mit dem Wortmodell "Tasche der Wörter", wobei die 1s & 0s "Wort tritt in dem Dokument" bzw. "Wort tritt in dem Dokument nicht auf" ist.

Also hier wird Bernoulli arbeiten und klassifiziert sie als 0 oder 1

Einzelheiten Arbeits finden Sie unter: https://nlp.stanford.edu/IR-book/html/htmledition/the-bernoulli-model-1.html