为什么贝叶斯过滤在垃圾邮件分类中比神经网络更优?

根据StackOverflow上的几位用户的说法,贝叶斯过滤在检测垃圾邮件方面比神经网络更优。

根据我所阅读的文献,这不应该是这样的情况。请解释一下!


回答:

没有数学证明或解释能说明为什么神经网络在检测垃圾邮件方面的应用不如贝叶斯过滤器好。这并不意味着神经网络不能产生相同或更好的结果,但要调整神经网络的拓扑结构并训练它以获得与贝叶斯过滤器大致相同的结果所需的时间是完全不值得的。最终,人们关心的是结果以及实现这些结果所需的时间/努力最小化。在垃圾邮件检测方面,贝叶斯过滤器以最少的努力和时间获得最佳结果。如果使用贝叶斯过滤器的垃圾邮件检测系统能正确检测99%的垃圾邮件,那么人们几乎没有动力花费大量时间调整神经网络仅仅为了多检测出0.5%左右的垃圾邮件。

“根据我所阅读的文献,这不应该是这样的情况。”

从技术上讲,这是正确的。如果配置得当,神经网络可以获得与贝叶斯过滤器一样好甚至更好的结果,但成本/效益比才是关键,并最终决定了趋势。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注