Estimation de la dépendance unique(ODE) L'estimation de dépendance unique est la stratégie la plus couramment utilisée pour les classificateurs bayésiens semi-naïfs. La dépendance dite unique consiste à supposer que chaque attribut dépend au plus d'un autre attribut extérieur à la catégorie.

Probabilité conditionnelle de classe naïve de Bayes :

Probabilité conditionnelle de classe sous estimation de dépendance indépendante :

Parmi eux,_je Pour l'attribut x_je L'attribut dont il dépend s'appelle x_je La propriété parente de . Pour chaque attribut, si son attribut parent est connu, une méthode mathématique peut être utilisée pour estimer la valeur de probabilité P ( x_je | c, pa_je ) .

Classification des estimations de dépendance uniques

Il existe trois méthodes principales pour mettre en œuvre l’estimation de dépendance indépendante :

1) SPODE (Super-parent Dependency Estimation) suppose que tous les attributs dépendent du même attribut, appelé « super-parent », puis détermine l'attribut super-parent via des méthodes de modèle telles que la validation croisée.

2) TAN (Tree Augmented naïve Bayes), construit des dépendances basées sur l'algorithme de l'arbre couvrant pondéré maximal.

3) AODE (Average Independent Dependence Estimation), tente de construire SPOE avec chaque attribut comme super-parent, intègre les résultats et est similaire à Naive Bayes, sans avoir besoin de sélection de modèle, et compte les échantillons qui répondent aux conditions.

Termes associés : classificateur bayésien semi-naïf, attribut super-parent.