我在尝试通过在MATLAB中编写自己的代码来实现朴素贝叶斯算法。我对其中一个连续属性的分布选择感到困惑。其值如下所示：

         MovieAge :         1         2         3         4         ..         10         1         11         2         12         1         3         13         2         1         4         14         3         2         5         15         4         3         6         16         5         4         ....         32         9         3         15

请告诉我对于这种数据应该使用哪种分布？在我的测试集中，这个属性有时会包含训练数据中未包含的值。如何处理这个问题？谢谢 15

回答：

假设这个变量取整数值，而不是连续值（基于你的例子），最简单的方法是采用直方图类型的方法：某个值的概率是它在训练数据中出现的次数的分数。考虑为高于某个数值的所有值设置一个最终的区间（基于你的例子，可能在20左右）。如果你遇到零计数的问题，可以给所有计数加1（如果你倾向于这样做，可以将其视为Dirichlet先验）。

至于参数形式，如果你更喜欢使用参数形式，泊松分布是一种可能的选择。QQ图，或者甚至是拟合优度测试，将会提示这种分布在你的情况下是否合适，但我认为你使用基于直方图的方法会更好。