Machine learning 如何实施"；“异或”；在贝叶斯网络中？

在图形模型和贝叶斯网络中，如何实现

我在这里读到：

朴素贝叶斯分类器是一个简单的模型，用于描述贝叶斯网络的特定类别，其中所有特征都是类别条件独立的。因此，有些问题是朴素贝叶斯无法解决的（下面的例子）。然而，它的简单性也使得它更容易应用，并且在许多情况下，它需要更少的数据才能获得好的结果

示例：XOR您有一个关于二进制特征x_1、x_2和目标变量y=x_1 XOR x_2的学习问题

在一个朴素贝叶斯分类器中，x_1和x_2必须被独立处理——因此你可以计算“给定x_1=1，y=1的概率”——希望你能看到这是没有帮助的，因为x_1=1不会使y=1的可能性增加或减少。由于贝叶斯网络不具有独立性，它将能够解决这样的问题

---

我在谷歌上搜索过，但不知道怎么做。有人能给我一个提示或好的推荐信吗？谢谢

这实际上相当简单

模型的DAG看起来像

 x1 -> XOR <- x2

x1  x2  | P(XOR=1|x1,x2)
0   0   |    0
0   1   |    1
1   0   |    1
1   1   |    0