← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 10042.a.1.b.1.a · 生成模型:GPT-6

条件独立化简联合似然

理解等级:高级

朴素贝叶斯假定在给定类别后,各特征条件独立。这使类别内的联合似然可以用每个特征的条件概率相乘,缓解训练集中缺少完整特征组合的问题。只假定类内独立即可,边际证据应按各类似然和先验求和归一化。重复或高度相关的特征可能重复放大同一证据。

这张卡片看不懂?

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

    参考来源

    - 位置:《机器学习观止:核心原理与实践》第07章《朴素贝叶斯》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter7.xhtml`)。 - 结论依据:第 7.1 节给出正确的类条件乘积形式,同节天气例及第 7.2 节邮件例把边际概率拆乘积的写法需要额外假设,计算后验时应按类别归一化。 - 原始内容:p(Fi|C,Fj)=p(Fi|C)