OneR假设只通过一个属性来决策,另一种策略正好相反,假设所有属性在决策过程中有平等的,独立的贡献,这是Naive Bayes。Naive Bayes基于两个假设:所有属性都同等重要,且在统计上是独立的。
概率论Bayes Theorem(贝叶斯定理)
先验概率
后验概率
WEKA尝试
名词性天气数据集
不同
都大了一个,避免出现零次数,零乘任何数都为0(零次数问题,简单每个数加一)
假设各因素相互独立,但实际一般不独立,依然能得到好的分类效果,因为分类精确不是很重要,如果增加冗余属性就会出现问题,极端相互依赖的例子是两个属性有相同的值,完全相同的属性。可以属性选择。