介紹
樸素貝葉斯法對條件概率分佈做了條件獨立性假設。那麼什麼叫條件獨立性假設呢?它是說 用於分類的特徵 在類確定的條件下 都是 條件獨立 的。
我們不能將條件獨立性假設和獨立性假設劃爲等號。
以下面的一個簡單的貝葉斯網爲例,c
是標籤,a、b
是特徵。
我們知道:
當 c
給定的時候,可得:
;
但是 c
未知的情況下
所以說特徵是條件獨立的,而不是獨立的。
參考文獻
[1]概率圖模型之貝葉斯網絡
樸素貝葉斯法對條件概率分佈做了條件獨立性假設。那麼什麼叫條件獨立性假設呢?它是說 用於分類的特徵 在類確定的條件下 都是 條件獨立 的。
我們不能將條件獨立性假設和獨立性假設劃爲等號。
以下面的一個簡單的貝葉斯網爲例,c
是標籤,a、b
是特徵。
我們知道:
p(a,b,c)=p(c)p(a∣c)p(b∣c)
當 c
給定的時候,可得:
p(a,b∣c)=p(c)p(a,b,c)=p(a∣c)p(b∣c)1;
但是 c
未知的情況下
∑cp(a,b,c)=∑cp(c)p(a∣c)p(b∣c)
⟹p(a,b)=∑cp(c)p(a∣c)p(b∣c)=p(a)p(b)
所以說特徵是條件獨立的,而不是獨立的。
[1]概率圖模型之貝葉斯網絡