Binary 朴素贝叶斯：观测变量的异构CPD

我正在使用一个朴素贝叶斯模型进行二元分类，使用离散变量和连续变量的组合。我的问题是，我可以对连续和离散观测变量使用不同的条件概率分布（CPD）函数吗？ 例如，我对连续变量使用高斯CPD，对离散变量使用确定性CPD

---

谢谢

是的，在同一个模型中混合连续变量和离散变量是正常的。考虑下面的例子。

假设我有两个随机变量：

• 今天的温度是多少
• D-一周中的某一天

注T是连续的，D是离散的。假设我想预测John是否会去海滩，由二元变量B表示。然后我可以建立我的推论如下，假设T和D在给定B的情况下是条件独立的

           p(T|B) • p(D|B) • p(B)
p(B|T,D) = ━━━━━━━━━━━━ ∝ p(T|B) • p(D|B) • p(B)
                p(T) • p(D)

---

p（T | B）可以是高斯分布，p（D | B）可以是离散分布，p（B）可以是关于约翰多久去一次海滩的离散先验值。

是的。在公式推导过程中，并没有假设cpd是相同的。至于结合连续和离散，一个传统的滥用符号是假装概率密度是概率；这是通过假装在每个p（x | C）旁边都有一个dx来证明的。谢谢你，蒂莫西。这回答了我的问题！！