贝叶斯网络和朴素贝叶斯分类器有什么区别？我注意到一个刚刚在 Matlab 中作为 classify 实现，另一个有一个完整的网络工具箱。
如果您能在您的回答中解释哪一个更有可能提供更好的准确性，我将不胜感激(不是先决条件)。
最佳答案
简短的回答，如果您只对解决预测任务感兴趣:使用朴素贝叶斯。
贝叶斯网络(有一个很好的 wikipedia 页面)以非常通用的方式对特征之间的关系进行建模。如果您知道这些关系是什么，或者有足够的数据来推导它们，那么使用贝叶斯网络可能是合适的。
朴素贝叶斯分类器是一种描述特定类别贝叶斯网络的简单模型 - 其中所有特征都是类条件独立的。因此，有些问题是朴素贝叶斯无法解决的(如下例)。然而，它的简单性也使其更易于应用，并且在许多情况下需要较少的数据即可获得良好的结果。
例子:异或
你有一个关于二元特征 x1 和 x2 以及目标变量 y = x1 XOR x2 的学习问题。
在朴素贝叶斯分类器中，x1 和 x2 必须独立处理 - 因此您可以计算类似“y = 1 的概率> 考虑到 x1 = 1"- 希望你能看到这没有帮助，因为 x1 = 1 不会使 y = 1 任何或多或少的可能性。由于贝叶斯网络不假设独立性，因此它能够解决这样的问题。
关于matlab - 贝叶斯网络和朴素贝叶斯分类器有什么区别？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/12298150/