机器学习:在使用朴素贝叶斯算法进行分类时,特征数据同时存在离散型和连续型数据,算法应该怎么变化呢?

网上搜索了很多次,发现只是针对数据集全为离散型数据或者全为连续型数据的算法,没找到思路。

上课讲了两种方法,连续型数据离散化或者假定该连续特征服从高斯分布。

尝试了将连续型数据离散化,准确率相对于不进行离散化反而降低了。

但若要假定连续特征服从高斯分布,怎么同离散型的算法结合呢?