18:24
官方账号arXiv cs.LG@Nguyen Thai Anh, Truong Viet Vu, Tran Thien Thanh, Vo Nguyen Quoc Bao, Ngo Hoang Tu
推荐理由：如果你用朴素贝叶斯处理高基数分类数据，HEB-NB能自动调平滑参数，比固定Laplace更准，论文还给了理论保证和实测数据。
HEB-NB
共 1 条相关 AI 资讯
8月12日
18:24
HEB-NB通过Type-II最大似然学习Dirichlet先验浓度，实现数据自适应的平滑，解决了Laplace等固定平滑在高基数数据上的偏差问题。理论证明其非渐近误差界匹配经验分布极小极大率，并给出有限样本风险级严格优于Laplace的证明。在31个UCI和OpenML基准上，HEB-NB取得最佳平均Friedman排名，高基数数据集对数损失降低达22.1%。HEB-AODE扩展也一致优于原始AODE。结合互信息加权，top-1 ECE降低41%-70%。