为什么在分类垃圾邮件时贝叶斯过滤比神经网络更好？

Question

根据StackOverflow上的几个人，贝叶斯过滤比神经网络更好地检测垃圾邮件。

据我读过的文学，不应该是这样的。请解释！

Answer 1

没有数学证明或解释，可以解释为什么神经网络的应用还没有在检测垃圾邮件贝叶斯过滤器一样好。这并不意味着神经网络不会产生相似或更好的结果，但是调整神经网络拓扑结构并训练它获得与贝叶斯过滤器几乎相同的结果所需的时间根本是不合理的。在一天结束时，人们关心结果并最大限度地减少实现这些结果的时间/努力。当谈到垃圾邮件检测时，贝叶斯过滤器以最少的工作量和时间为您提供最佳的结果。如果使用贝叶斯过滤器的垃圾邮件检测系统正确检测到99％的垃圾邮件，那么人们很少有动力花费大量时间来调整神经网络，以便他们可以额外消除0.5％左右。

“根据我读过的文献，应该不是这样。”

这在技术上是正确的。如果配置得当，神经网络的效果会比贝叶斯滤波器好，甚至更好，但是它的成本/效益比却会造成差异，并最终成为趋势。

Answer 2

神经网络作品大多为黑盒方法。你确定你的输入和输出。之后，找到合适的架构（2隐层多层感知器，RBF网络等）主要是经验性地完成。有建议确定架构，但他们是，很好的建议。 这对于一些问题很有用，因为我们域名分析师没有足够的关于问题本身的信息。神经网络找到答案的能力是一个想要的事情。

贝叶斯网络，另一方面是由域分析师大多设计。由于垃圾邮件分类是众所周知的问题，因此域名分析师可以更轻松地调整体系结构。贝叶斯网络将以这种方式更容易地获得更好的结果。

而且大多数神经网络是不是很好的变化特点，因此几乎总是需要重新培训， 昂贵的操作。另一方面，贝叶斯网络可能只会改变概率。