Альтернативы на алгоритм наивных байесов

Question

Мы пытаемся реализовать семантический алгоритм поиска, чтобы дать предложенные категории, основанные на условиях поиска пользователя.

На данный момент мы реализовали Naive Bayes вероятностный алгоритм, чтобы вернуть вероятности каждой категории в наши данные, а затем вернуть самый высокий.

Однако из-за его наивности его иногда получают результаты неправильно.

Не входя в нейронные сети и другие смехотворенно сложные вещи, есть еще одна альтернатива, которую мы можем заглянуть?

Answer 1

Naive Bayes (NB) не сильно отличается от логистической регрессии.От опыта, логистическая регрессия превосходит NB с точки зрения прогнозируемой производительности большую часть времени.

Кроме того, если у вас есть достаточно данных и не имеют недостающих данных, то, скорее всего, вы обнаружите, что прогнозные характеристики НБ в значительной степени так же, как и более сложные методологии, такие как байесские сети (BNS), которыене имеют «наивных» предположений независимости между ковариатами.

Если вы хотите расслабиться до предположения независимости, не погружение в полной мере погружение в царстве BNS, вы можете попробовать Дерево дополненное наивным байсом алгоритмом первым.

Answer 2

Если вы не учитываете линейный SVM, чтобы быть смехотвочно сложными вещами , вы можете попробовать это.Известно, что очень хорошо выполняет для таких задач.