У меня есть большой набор данных с 10 различными входами и 1 выходом. Все выходы и вход дискретны (НИЗКИЙ, СРЕДНИЙ, ВЫСОКИЙ). Я думал о создании нейронной сети для этой проблемы, однако, когда я проектирую сеть с тремя разными выходами (НИЗКИЙ, СРЕДНИЙ, ВЫСОКИЙ) и использую нейрон softmax, я в основном получаю «вероятность». Я прав?
Это заставило меня подумать, что, возможно, лучше попробовать наивный байесовский классификатор и, таким образом, игнорировать возможные корреляции между входными переменными, однако в большом наборе данных наивный байесовский классификатор показывает многообещающие результаты.
Есть ли причина выбрать нейронные сети вместо байесовского в этом случае? В чем причина выбора нейронных сетей, когда вы хотите получить вероятность в качестве вывода (используя функцию softmax в нейронных сетях).