Bayesian classifiers as Naive Bayes

Bayesian classifiers as Naive Bayes [11] or Tree Augmented Naive Bayes (TAN)
[7] have shown excellent performance in spite of their simplicity and heavy
underlying independence assumptions.
In our opinion, the TAN classifier, as presented in [7], has two weak points:
not taking into account model uncertainty and lacking a theoretically well
founded explanation for the use of softening of the induced model parameters
(see section 2.2).
In [3] an alternative classifier based on empirical local Bayesian model averaging
was proposed as a possible improvement for the first weak point. Furthermore,
in [4] the fact that decomposable distributions over TANs allow the
tractable calculation of the model averaging integral was used to construct sstbmatan,
a classifier that takes into account model uncertainty in a theoretically
well founded way and that provides improved classification accuracy.

ผลลัพธ์ (ไทย) 2:

ลักษณนาม Bayesian เป็นหน่อมแน้มเบส์ [11] หรือต้นไม้ Augmented Naive Bayes (TAN)
[7]
ได้แสดงให้เห็นประสิทธิภาพที่ดีเยี่ยมทั้งๆที่มีความเรียบง่ายและหนักของพวกเขาสมมติฐานความเป็นอิสระภายใต้.
ในความคิดของเราลักษณนาม TAN ที่แสดงใน [7] มี สองจุดที่อ่อนแอ: ไม่ได้คำนึงถึงความไม่แน่นอนของรูปแบบการบัญชีและขาดเป็นอย่างดีในทางทฤษฎีคำอธิบายที่ก่อตั้งขึ้นสำหรับการใช้งานของการชะลอตัวของพารามิเตอร์แบบเหนี่ยวนำ(ดูหัวข้อ 2.2). ใน [3] จำแนกทางเลือกขึ้นอยู่กับรูปแบบเบย์เชิงประจักษ์ท้องถิ่นเฉลี่ยได้รับการเสนอชื่อเป็นการปรับปรุงที่เป็นไปได้สำหรับจุดที่อ่อนแอแรก นอกจากนี้ใน [4] ความจริงที่ว่ากระจาย decomposable มากกว่าดำช่วยให้การคำนวณเวไนยเฉลี่ยของรูปแบบหนึ่งที่ใช้ในการสร้าง sstbmatan, ลักษณนามว่าจะเข้าสู่ความไม่แน่นอนรูปแบบบัญชีในทางทฤษฎีวิธีก่อตั้งดีและความถูกต้องที่ให้การจัดหมวดหมู่ที่ดีขึ้น

ผลลัพธ์ (ไทย) 3:

คชกรรมเป็นไร้เดียงสา Bayes ลักษณนาม [ 11 ] หรือต้นไม้เติม Naive Bayes ( ตัน )
[ 7 ] แสดงที่ยอดเยี่ยมประสิทธิภาพทั้งๆที่ง่ายและหนัก

) ความเป็นอิสระของสมมติฐาน ในความเห็นของเรา แทนตัวที่แสดงใน [ 7 ] มีจุดอ่อนจุดสองจุด :
แต่จะไม่แน่นอน แบบบัญชี และการขาดทฤษฎีดี
ก่อตั้งคำอธิบายสำหรับใช้จุดอ่อนของการเหนี่ยวนำพารามิเตอร์
( ดูมาตรา 2.2 )
[ 3 ] ทางเลือกแบบตามท้องถิ่นเชิงประจักษ์ถัวเฉลี่ยแบบจำลองเบ
ถูกเสนอเป็นการปรับปรุงเป็นไปได้สำหรับจุดที่อ่อนแอก่อน นอกจากนี้
ใน [ 4 ] ความจริงที่กระจายไปให้
decomposable tansการคำนวณควบคุมได้ง่ายของรูปแบบเฉลี่ยหนึ่งถูกใช้เพื่อสร้าง sstbmatan
, ลักษณนามว่า จะเข้าสู่บัญชีแบบความไม่แน่นอนในทฤษฎี
ดีก่อตั้งขึ้นทางที่ให้ความถูกต้องและการปรับปรุง