知识卡片
朴素贝叶斯条件独立
朴素贝叶斯假设给定类别后,各特征条件独立,因此可把该类别下联合特征概率分解成各特征条件概率的乘积,再乘类别先验比较类别。该假设简化估计,但特征高度相关时可能使概率估计失准。
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
- · 第5章 机器学习
原书出处 · 1 处
- 机器学习 · 查看原书依据
朴素贝叶斯采用了属性条件独立性假设:对已知的类别,假设所有属性相互独立。
参考来源
- 位置:《现代人工智能技术》第5章《机器学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter7.xhtml)
- 结论依据:原文给出给定类别后的属性条件独立假设和概率估计。
- 原始内容:朴素贝叶斯采用了属性条件独立性假设:对已知的类别,假设所有属性相互独立。