Naive estimateur de densité Bayes

Question

J'étudie actuellement un examen d'apprentissage de la machine et après beaucoup de googler et l'étude des diapositives que je ne suis toujours pas tout à fait sûr comment fonctionne un estimateur de densité de bayésiens naïfs. Est-ce que quelqu'un pourrait m'expliquer ça? Ce cours est encore assez si s'il vous plaît base rester simple si possible :)

Voici une question d'un vieil examen que je suis resté bloqué sur:

Que serait un estimateur de densité de Bayes naïfs formés sur la table 1 pour la classe "Win" prévoit un cas (x1 = I, x3 = C)?

Tableau 1:

La réponse est apparemment: (3/5) * (1/5) = 0,12. Mais d'où viennent les 3/5 et 1/5?

Merci pour l'aide!

Answer 1

Naive Bayes utilise deux hypothèses:

• caractéristiques sont une classe indépendante étant donné
• chaque fonction vient d'une famille connue apriori des densités

Qu'est-ce qu'il nous donne? Tout d'abord permet d'utiliser la première hypothèse

P(x1=I, x3=C | y = Win) = P(x1=I | y=Win) P(x3=C | y=Win) 

maintenant, nous devons calulcate chacune des probabilités « petites », et nous utilisons une définition de probabilité conditionnelle et une approche frequentialist naïve ici, en estimant

   P(x=A, y=B) # samples having x=A and y=B 
P(x=A | y=B) = ----------- = ---------------------------- 
        P(y=B)   # samples having y=B 

\________________________/ 
    definition of P(a|b) 

       \________________________________________/ 
        estimator for the assumed family 

ainsi

P(x1=I | y=Win) = 3/5 
P(x3=C | y=Win) = 1/5