知识卡片
特征条件独立假设
朴素贝叶斯以“特征条件独立假设”为前提:假定样本中每个特征与其他特征都不相关。以信用卡逾期预测为例,月收入、信用卡额度、房车情况现实中往往相互关联——收入高的人额度也高、更可能买房,存在依赖;但算法忽略这些内在关系,直接把它们当作彼此独立的特征处理。这个假设是“朴素”二字的由来,它大幅简化了联合概率的计算,使模型只需分别统计各特征的概率即可。其边界在于:当属性个数多、属性间关联强时,假设与现实不符,分类效果会急剧下降;反之在文本这类词与词关联很弱的场景反而非常有效。迁移启发是:先判断问题是否满足独立性,再决定是否采用该模型。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 垃圾邮件克星:朴素贝叶斯算法 6.1.2 朴素贝叶斯登场 · 查看原书依据
特征条件独立假设是贝叶斯分类的基础,意思是假定该样本中每个特征与其他特征都不相关。例如在预测信用卡客户逾期的例子中,我们会通过客户的月收入、信用卡额度、房车情况等不同方面的特征综合判断。
参考来源
- 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第6章《垃圾邮件克星:朴素贝叶斯算法》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00011.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文明确定义“特征条件独立假设是贝叶斯分类的基础,意思是假定该样本中每个特征与其他特征都不相关”,并用月收入、房产、额度的例子说明算法主动忽略它们之间的依赖。
- 原始内容:特征条件独立假设是贝叶斯分类的基础,意思是假定该样本中每个特征与其他特征都不相关。例如在预测信用卡客户逾期的例子中,我们会通过客户的月收入、信用卡额度、房车情况等不同方面的特征综合判断。