知识卡片
朴素贝叶斯依条件独立分类
朴素贝叶斯用训练数据中的类别频率和特征条件概率估计样本所属类别,其简化前提是给定类别后各特征相互独立。用于工控流量异常分类时,它能把多个报文字段的观测转成类别概率;若字段之间强相关或工况变化明显,独立性近似可能影响判断,需用现场数据验证。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《工业互联网安全 架构与防御》第6章《6.2.3 工控语义攻击的发现与验证》(源文件:`OEBPS/Text/0000139.xhtml`)
- 结论依据:原文介绍朴素贝叶斯作为流量分类方法,说明条件独立假设及训练期类别频率、特征条件概率如何用于估计类别概率。
- 原始内容:朴素贝叶斯分类基于条件概率实现,其核心部分为贝叶斯法则,在假设样本的各个特征属性相互独立的前提下,利用训练过程中得到的各个类别的出现频率及其中每个特征属性的条件概率作为各事件发生的先验概率,估计样本属于各个类别的概率,这也是朴素贝叶斯中多项式模型的实现方式。