机器学习：半朴素贝叶斯分类器

上篇介绍了朴素贝叶斯分类器，之所以称为朴素，是因为它有一个重要假设：属性条件独立性假设，即假设所有属性相互独立。而现实任务中很难满足这个假设。所以有人就尝试对属性条件独立性假设做出一定的放松，于是就产生了“半朴素贝叶斯分类器”。 假设每个属性最多仅依赖一个其他属性： 问题转变为确定每个属性的依赖的属性（父属性）。 SPODE方法：假设所有的属性都依赖同一个属性，称为“ 超父”，可以通过 模型选择的

>>阅读原文<<