为什么朴素贝叶斯算法会简单地假设特征是相互独立的？
为什么朴素贝叶斯算法会简单地假设特征是相互独立的？
提问于 2018-09-02 11:30:03
Naive Bayes之所以被称为朴素，是因为它提出了一个天真的假设，即特征之间的相关性为零。他们是相互独立的。为什么朴素的贝斯要做出这样的假设呢？
回答 3
Data Science用户
回答已采纳
发布于 2018-09-02 11:40:11
通过这样做，只需将每个特征的概率乘以，就可以很容易地找到联合分布，而在现实世界中，它们可能不是独立的，必须找到正确的联合分布。由于这种简单化，这是天真的。
Data Science用户
发布于 2018-09-04 08:44:02
朴素贝叶斯做出这样的假设来简化计算。你可以看看贝叶斯信念网络，它不作这样的假设。
Data Science用户
发布于 2018-11-23 09:52:41
为了完成给出的答案并在某些点上加以澄清:Na的假设是，给定预测变量，特征是条件独立的，而不是独立的。还请注意，尽管这种简化使得关于特征的有条件联合分布的假设在许多情况下远离真实分布，但我们在这里的目的不是估计概率，而是执行二进制分类，为此目的，我们的简化策略可能足够好。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/37710
复制相关文章
相似问题
腾讯云开发者
