Naive-Bayes
樸素貝葉斯：連續和分類預測器
據我了解，大多數類型的常見分類器（例如支持向量機）可以混合使用分類預測器和連續預測器。
但是，對於樸素貝葉斯來說，這似乎不是真的，因為我需要先驗地指定似然分佈。
如果我想為分類和連續預測變量混合運行樸素貝葉斯，我應該怎麼做？
謝謝！
您可以在樸素貝葉斯分類器中使用任何類型的預測器，只要您可以指定條件概率預測值的給定班級. 由於樸素貝葉斯假設預測變量在給定類的情況下是條件獨立的，因此您可以根據您對它的任何先驗知識為每個預測變量混合和匹配不同的似然模型。
例如，您可能知道對於一些連續的預測器是正態分佈的。簡單估計訓練集中每個類下這個變量的均值和方差；然後使用正態分佈的 PDF 來估計對於新的未標記實例。同樣，您可以酌情使用任何其他連續分佈的充分統計量和 PDF。
如果分類器中的其他一些預測器是分類的，那很好。簡單估計像往常一樣使用伯努利或多項事件模型，並在最終預測中將兩個條件概率相乘（因為無論如何都假定它們是獨立的）。
**旁注：**嚴格來說，SVM 和其他判別線性模型採用分類和連續預測變量的混合。您可以將 SVM 解釋為僅採用連續預測變量，將分類變量的 {0,1} 值作為特例。