machine-learning - ナイーブベイズとニューラルネットワークの類似点と選択

Question

10個の異なる入力と1個の出力で利用可能な大きなデータセットがあります。すべての出力と入力は目立たない（LOW、MEDIUM、HIGH）。この問題のためにニューラルネットワークを作成することを考えていましたが、3つの異なる出力（LOW、MEDIUM、HIGH）を持ち、softmaxニューロンを使用するようにネットワークを設計すると、基本的に「確率」が得られます。私は正しいですか？

そのため、単純ベイズ分類器を試して、入力変数間の可能な相関関係を無視する方がよいと思いましたが、大規模なデータセットでは、単純ベイズは有望な結果を示しています。

この場合、ベイズよりもニューラルネットワークを選択する理由はありますか？確率を出力として必要な場合にニューラルネットワークを選択する理由は何ですか（ニューラルネットワークのsoftmax関数を使用）。

Answer 1

はい、出力層のソフトマックス アクティベーションを使用すると、出力を確率として解釈できます。

Naive Bayes よりも人工ニューラル ネットワーク (ANN) を選択する潜在的な理由は、あなたが言及した可能性です: 入力変数間の相関関係です。Naive Bayes は、すべての入力変数が独立していると仮定します。その仮定が正しくない場合、単純ベイズ分類器の精度に影響を与える可能性があります。適切なネットワーク構造を持つ ANN は、入力変数間の相関関係/依存関係を処理できます。