栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

如何理解西瓜书朴素贝叶斯分类器旁边提示的直接估计联合概率会遇到组合爆炸问题?

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

如何理解西瓜书朴素贝叶斯分类器旁边提示的直接估计联合概率会遇到组合爆炸问题?

假设有两个特征属性:X(1)和X(2)

X(1)的取值为{1,2,3},X(2)的取值为{S,M,L}

通过这两个特征得到预测结果Y={-1,1} 若这两个特征不独立,则需要计算18个参数。

P(X(1)=1,X(2)=S|Y=-1),    P(X(1)=1,X(2)=S|Y=1)
P(X(1)=1,X(2)=M|Y=-1),      P(X(1)=1,X(2)=M|Y=1)
P(X(1)=1,X(2)=L|Y=-1),       P(X(1)=1,X(2)=L|Y=1)
P(X(1)=2,X(2)=S|Y=-1),    P(X(1)=2,X(2)=S|Y=1)
P(X(1)=2,X(2)=M|Y=-1),      P(X(1)=2,X(2)=M|Y=1)
P(X(1)=2,X(2)=L|Y=-1),       P(X(1)=2,X(2)=L|Y=1)
P(X(1)=3,X(2)=S|Y=-1),    P(X(1)=3,X(2)=S|Y=1)
P(X(1)=3,X(2)=M|Y=-1),      P(X(1)=3,X(2)=M|Y=1)
P(X(1)=3,X(2)=L|Y=-1),       P(X(1)=3,X(2)=L|Y=1)

若Y的可取值为K个,每个特征可取值为Sj个,则参数有 K ⋅ ∏ j = 1 n S j { Kcdot prod_{j=1}^{n} S_{j} } K⋅∏j=1n​Sj​个。

若独立,则只需要计算12个参数。

P(X(1)=1|Y=-1),     P(X(1)=1|Y=1),
P(X(1)=2|Y=-1),     P(X(1)=2|Y=1),
P(X(1)=3|Y=-1),     P(X(1)=3|Y=1),
P(X(2)=S|Y=-1),       P(X(2)=S|Y=1),
P(X(2)=M|Y=-1),    P(X(2)=M|Y=1),
P(X(2)=L|Y=-1),     P(X(2)=L|Y=1),

即若Y的可取值为K个,每个特征可取值为Sj个,则参数有 K ⋅ ∑ j = 1 n S j { Kcdot sum_{j=1}^{n} S_{j} } K⋅∑j=1n​Sj​个。

综上,若假特征属性独立则可减少参数计算量!

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/308245.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号