离散朴素贝叶斯和连续朴素贝叶斯哪个更好

离散朴素贝叶斯和连续朴素贝叶斯是朴素贝叶斯分类器的两种不同变种，它们的应用场景各有不同。

离散朴素贝叶斯适用于特征变量是离散值的情况，如文本分类等。在离散朴素贝叶斯中，我们假设每个特征变量的可能取值是离散的，然后计算每种可能取值对应的条件概率，进而计算后验概率。因为特征变量是离散的，所以计算条件概率相对容易。

连续朴素贝叶斯适用于特征变量是连续值的情况，如回归问题等。在连续朴素贝叶斯中，我们假设每个特征变量的可能取值是连续的，然后假设每个特征变量的条件概率分布是高斯分布，进而计算后验概率。因为特征变量是连续的，所以需要使用高斯分布来描述其条件概率分布。

因此，离散朴素贝叶斯和连续朴素贝叶斯各有其适用场景。具体选择哪个方法，需要根据具体问题来决定。