Neuer Bayesianischer Klassifikator nutzt neuronale Feature‑Darstellungen
In der Klassifikation von Tabellendaten haben Bayessche Netzwerkklassifikatoren lange Zeit überzeugt, weil sie schnell und speichereffizient arbeiten und gleichzeitig leicht zu erklären sind. Ihre Leistung wird jedoch durch die Explosion der Parameter und die damit verbundene Datensparsität stark eingeschränkt. Dadurch können sie nur geringe Feature‑Abhängigkeiten modellieren und haben Schwierigkeiten, die Wahrscheinlichkeiten komplexer realer Daten zu extrapolieren.
