标准差VS朴素贝叶斯预测

djafarsidik

你好,
有谁能帮我解释一下，一个属性的标准差值和朴素贝叶斯预测之间是否有相关性，因为我有一些数据集，它们都是相同类型的数据，但是其中一个数据集有一个属性的标准差很低，使用朴素贝叶斯的准确率结果很差，但是如果我尝试使用决策树，结果会比朴素贝叶斯更好。

还有什么会使套袋或堆叠等集成方法的结果比基础分类器差呢?

抱歉，如果这是一个愚蠢的问题，我还在学习。

非常感谢您的回复。

Telcontar120

这些问题很难抽象地回答。总的来说，朴素贝叶斯最重要的不是一个整体属性的标准差，而是基于假设的正态分布，不同类别之间数值属性的均值和标准差之间的差异。但对于任何给定的数据集，您都必须查看特定的分布，以确定该假设是否合理，以及它可能对最终预测产生什么影响。
同样，一般来说，不可能说为什么像决策树这样的给定算法会优于朴素贝叶斯，因为这将基于每个数据集的特定质量。同样，如果不参考为特定数据集选择的特定超参数，则不可能评估集成方法与其他方法的假设性能。
抱歉，这些答案不是很清楚，但这是“天下没有免费的午餐”定理的一个结果，该定理基本上说，没有解决所有监督机器学习问题的通用最佳算法。
如果你有兴趣了解更多，我鼓励你通过各种算法的教程和RapidMiner学院的课程，以及通过网络对机器学习算法进行一些更一般的研究。