我正在尝试预测传入网络数据包的到达时间。我测量网络数据包的到达时间，并以二进制特征的形式表示此数据：xi = 0,1,1,1,0，...如果到达时间小于a，则xi = 0收支平衡时间，否则为1。数据必须映射为两个可能的类C = {0,1}，其中C = 0表示较短的到达间隔时间，而1表示较长的到达间隔时间。由于我想在在线要素中实现分类器，因此只要观察到特征向量xi = 0,1,1,0 ...的向量，就可以计算MAP类。由于我没有条件和先验概率的先验估计，因此我将其初始化如下：
p(x=0|c=0)=p(x=1|c=0)=p(x=0|c=1)=p(x=1|c=1)=0.5
p(c=0)=p(c=1)=0.5
对于每个特征向量（x1 = m1，x2 = m2，...，xn = mn），当我输出类C时，将更新条件概率和先验概率，如下所示：
p(xi=mi|y=c)=a+(1-a)*p(p(xi=mi|c)
p(y=c)=b+(1-b)*p(y=c)
问题是，我总是有偏见。由于较长的到达间隔时间比较短的间隔短，因此较短的后验始终保持高于较长的间隔。有什么办法可以改善这一点？还是我做错了什么？任何帮助将不胜感激。
最佳答案
由于您的时间序列很长，因此最好的方法可能是考虑多个单个值。执行此操作的标准方法是使用时间窗口，即将长向量Xi拆分为恒定长度的重叠片段，最后一个值作为类，然后将它们用作训练集。这也可以通过在线方式通过在新数据到达时用新数据增量更新NB模型来完成。
请注意，使用这种方法，其他回归算法可能最终比NB更好。
Weka（版本3.7.3及更高版本）具有很好的dedicated tool支持时间序列分析。另外，MOA也基于Weka，并支持流数据建模。
编辑：从二进制特征转换为实值（可能已归一化）并应用阈值后分类也可能是一个好主意。这可能会给回归模型（NB或其他）提供更多信息，从而提高准确性。
关于statistics - 朴素贝叶斯分类器在线学习，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/8096508/