独依赖估计 One Dependent Estimator
独依赖估计(ODE)独依赖估计是半朴素贝叶斯分类器最常用的一种策略。所谓独依赖,就是假设每个属性在类别之外最多仅依赖一个其他属性。
朴素贝叶斯的类条件概率:
独依赖估计下的类条件概率:
其中 pai 为属性 xi 所依赖的属性,称为 xi 的父属性。对每个属性,若其父属性已知,则可采用数学办法来估计概率值 P ( xi | c,pai ) 。
独依赖估计的分类
独依赖估计的实现主要有三种方法:
1)SPODE(超父独依赖估计),假设所有属性都依赖于同一个属性,称为 “超父”(super-parent),然后通过交叉验证等模型方法来确定超父属性。
2)TAN(Tree Augmented naive Bayes),在最大带权生成树算法基础上构建依赖。
3)AODE(平均独依赖估计),尝试将每个属性作为超父来构建 SPOE ,集成结果,与朴素贝叶斯相似,无需模型选择,是对符合条件的样本计数。