简洁版本

不同之处在于模型的复杂性和训练的难度之间的权衡。您的变量可以采用的状态越多，训练它所需的数据就越多。听起来您正在通过一些前端处理来减少特征空间。

例子

语境：

假设您使用 NBC 进行建模，如果您在当天的高温下外出。假设温度以摄氏度为单位的整数形式提供给您，恰好介于 0 到 40 度之间。运行一年多的实验——记录温度以及你是否外出——你将拥有 365 个数据点。

内部代表：

NBC 使用的内部结构将是一个包含 82 个值的矩阵（一个输入变量的 41 个值 * 2，因为您的输出类中有两个状态）。这意味着每个 bin 将具有365/82 = 8.9ish样本的平均值。在实践中，您可能会看到一些样本比这更多的样本和许多样本为 0 的样本。

一个陷阱

假设您在 5 C 的温度下看到 8 个箱子（所有箱子都待在里面），而在 3 或 4 C 的温度下什么都没有。如果在构建模型后，您“问它”什么等级的温度为 4 C应该在里面。它不会知道的。直观地说，我们会说“留在里面”，但模型不会。解决此问题的一种方法是将类别 0、1、2、... 分成更大的温度组（即，温度 0-3 的类别 0，温度 4-7 的类别 1，等等）。这种情况的极端情况是“高”和“低”两种温度状态。实际的截止值应该更多地取决于观察到的数据，但一种这样的方案是将温度转换0-20为“低”和21-40“高”。

讨论

这种前端处理似乎就是您所说的围绕 NBC 的“包装器”。我们的“高”和“低”分箱方案的结果将导致模型更小（2 个输入状态和 2 个输出类为您提供了2*2 = 4许多类。这将更容易处理，并且可以自信地使用更少的数据以牺牲复杂性为代价进行训练。这种方案的一个缺点是：假设实际模式是你喜欢春天和秋天的天气，只有在不太热或不太冷的时候才出去。所以你的户外冒险是均匀的拆分“低”类的上部和“高”类的下部，给你一个真正无用的模型。如果是这种情况，“高”，“中”的 3 类 bin 方案