我们正在尝试实现一个语义搜索算法,以根据用户的搜索词提供建议的类别。
目前,我们已经实现了朴素贝叶斯概率算法,返回我们数据中每个类别的概率,然后返回最高的概率。
然而,由于它的简单性,有时会得到错误的结果。
除了神经网络和其他非常复杂的东西外,还有没有其他替代方案可供我们研究?
目前,我们已经实现了朴素贝叶斯概率算法,返回我们数据中每个类别的概率,然后返回最高的概率。
然而,由于它的简单性,有时会得到错误的结果。
除了神经网络和其他非常复杂的东西外,还有没有其他替代方案可供我们研究?
朴素贝叶斯(NB)与逻辑回归并没有太大的区别。根据经验,逻辑回归在预测性能方面大多数情况下优于NB。
此外,如果您拥有足够的数据且没有任何缺失数据,则很可能会发现NB的预测性能与更复杂的方法(例如贝叶斯网络(BN),其协变量之间没有“天真”的独立假设)几乎相同。
如果您想放宽独立性假设而不必完全深入到BN领域,则可以首先尝试 Tree Augmented Naive Bayes 算法。
如果你不认为线性支持向量机是非常复杂的东西,那么你可以尝试一下。它被认为在这种任务中表现非常出色。