这是我对伯努利和多项朴素贝叶斯之间区别的理解：
伯努利明确地对特征的存在/不存在进行建模，而多项式则没有。
- 有什么我想念的吗？
- 有人可以直观地解释为什么这种差异很重要吗？也许使用一个你显然会使用一个而不是另一个的例子
在维基百科页面上，他们说：
请注意，具有伯努利事件模型的朴素贝叶斯分类器与频率计数截断为 1 的多项式 NB 分类器不同。
这是为什么？
伯努利和多项朴素贝叶斯之间的区别
数据挖掘
朴素贝叶斯分类器
2021-10-13 11:45:48
1个回答
伯努利对特征的存在/不存在进行建模。多项式对特征的计数进行建模。这是一个简明的解释。
维基百科警告说
请注意，具有伯努利事件模型的朴素贝叶斯分类器与频率计数截断为 1 的多项式 NB 分类器不同。
为了理解为什么，我们应该注意到，正如这个页面很好地解释的那样，
二项分布将伯努利分布推广到试验次数，而多努利分布将其推广到结果数量，即掷骰子而不是掷硬币。
这对我们意味着什么？多项式 NB 关心确实发生的多个特征的计数，而 Bernoulli NB 关心确实发生的单个特征的计数和未发生的相同特征的计数。
这意味着，例如，Multinomial NB 将根据它找到的多个关键字的计数对文档进行分类；而 Bernoulli NB 只能关注单个关键字，但也会计算该关键字在文档中没有出现的次数。
所以他们做的模型略有不同。如果您要担心离散的多个特征，则必须使用 Multinomial NB。但是，如果您只需要担心一个特征，那么您可以根据上述情况做出建模选择。