我有一个包含10个不同输入和1个输出的庞大数据集。所有的输出和输入都是离散的（低、中、高）。我原本考虑为这个问题创建一个神经网络，然而，当我设计网络时，设定了3个不同的输出（低、中、高）并使用softmax神经元时，我得到的基本是一个“概率”。我的理解正确吗？

这让我考虑是否应该尝试使用朴素贝叶斯分类器，从而忽略输入变量之间的可能相关性，但在大量数据集上，朴素贝叶斯显示出了 promising的结果。

在这种情况下，有没有理由选择神经网络而不是贝叶斯？当你希望输出概率（在神经网络中使用softmax函数）时，选择神经网络的理由是什么？

回答：

是的，使用输出层的softmax激活函数，你可以将输出解释为概率。

选择人工神经网络（ANN）而不是朴素贝叶斯的潜在原因是你提到的可能性：输入变量之间的相关性。朴素贝叶斯假设所有输入变量都是独立的。如果这个假设不正确，那么它可能会影响朴素贝叶斯分类器的准确性。具有适当网络结构的ANN可以处理输入变量之间的相关性/依赖性。