知识卡片
朴素贝叶斯条件独立假设
朴素贝叶斯按类别计算先验和特征似然,再用贝叶斯规则比较后验;“朴素”主要指给定类别时各特征条件独立的假设。高斯朴素贝叶斯进一步假设每类中特征的条件似然服从高斯分布,并从训练数据估计参数。高斯分布是似然模型,不是类别先验;也不是所有朴素贝叶斯变体都用高斯分布。原书将高斯假设称为先验且遗漏条件独立,已对照 scikit-learn 官方文档澄清(2026-11-21)。
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
- 分类器 · 查看原书依据
在一种很普遍的朴素贝叶斯方法中
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第13章《分类器》13.6(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0020_split_006.html`)
- 结论依据:原文展示高斯拟合示例;条件独立与先验/似然区分由官方文档纠正。
- 原始内容:在一种很普遍的朴素贝叶斯方法中,我们假设样本的每个特征都遵循高斯分布。记得我们在第2章说过,这是一个著名的钟形曲线:一条光滑的、对称的、中间部分有凸起的曲线。这就是先验。当分析所有样本的某一个特定的特征时,我们就确信它会像高斯曲线那样。 如