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Machine learning 如何实施";“异或”;在贝叶斯网络中?,machine-learning,bayesian,bayesian-networks,Machine Learning,Bayesian,Bayesian Networks,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
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