朴素贝叶斯：观察变量的异构 CPD

Naive Bayes: Heterogeneous CPDs for observation variables

我正在使用朴素贝叶斯模型进行二进制分类，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察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，对离散变量使用一些确定性 CPD ?

谢谢

是的，在同一模型中混合使用连续变量和离散变量是正常的。考虑以下示例。

假设我有两个随机变量：

  • T - 今天的温度
  • D - 星期几

注意T是连续的，D是离散的。假设我想预测约翰是否会去海滩，由二进制变量 B 表示。然后我可以如下建立我的推论，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) 可以是约翰去海滩的频率的离散先验。