Machine learning 基于朴素贝叶斯假设的特征和类之间的互信息

我正在阅读Irina Rish（）的一篇论文，我想知道符号I（C；（X1，X2））是什么，即特征和类之间的互信息，以及Inb（C；（X1，X2））是什么，即根据朴素贝叶斯假设计算的相同数量。更重要的是，我将如何在如下所示的训练集上进行计算？

---

可能需要迁移到stats。你说的stats是什么意思？好的，谢谢……不过，我一直在做一些挖掘，根据我的理解（X1，X2）表示“联合随机变量”。因此I（C；（X1，X2））只是表示类标签和训练集的联合随机变量之间的互信息，现在我要做的就是找出如何计算联合随机变量。。。。。如果我错了，请纠正我可能需要迁移到stats。你说的stats是什么意思？好的，谢谢……尽管我一直在做一些挖掘，根据我的理解（X1，X2）表示“联合随机变量”。因此I（C；（X1，X2））只是表示类标签和训练集的联合随机变量之间的互信息，现在我要做的就是找出如何计算联合随机变量。。。。。如果我错了，请纠正我