周志华 机器学习 Day12

半朴素贝叶斯分类器 为了降低贝叶斯公式中估计后验概率P（c | x）的困难，使得人们对属性条件独立性假设进行一定程度的放松，称为“半朴素贝叶斯分类器”的学习方法。 基本想法是适当考虑一部分属性间的相互依赖信息，从而既不需进行完全联合概率计算，又不至于彻底忽略了比较强的属性依赖关系。“独依赖估计”是半朴素贝叶斯分类器最常用的一种策略。顾名思义，所谓“独依赖”就是假设每个属性在类别之外最多仅依赖于一个

>>阅读原文<<