周志華 機器學習 Day12

半樸素貝葉斯分類器 爲了降低貝葉斯公式中估計後驗概率P(c | x)的困難,使得人們對屬性條件獨立性假設進行一定程度的放鬆,稱爲「半樸素貝葉斯分類器」的學習方法。 基本想法是適當考慮一部分屬性間的相互依賴信息,從而既不需進行完全聯合概率計算,又不至於徹底忽略了比較強的屬性依賴關係。「獨依賴估計」是半樸素貝葉斯分類器最常用的一種策略。顧名思義,所謂「獨依賴」就是假設每個屬性在類別之外最多僅依賴於一個
相關文章
相關標籤/搜索