Оценщик плотности Naive Bayes

Question

В настоящее время я участвую в экзамене по компьютерному обучению, и после многого поиска и изучения слайдов я до сих пор не совсем уверен, как работает оценка оценки наивных байков. Может ли кто-нибудь объяснить это мне? Этот курс по-прежнему довольно простой поэтому, пожалуйста, держать его просто, если это возможно :)

Вот вопрос из старого экзамена, что я застрял на:

Что бы наивным байес оценки плотности обучен по таблице 1 класс «Win» предсказывает случай (x1 = I, x3 = C)?

Таблица 1:

Ответ Apparantly: (3/5) * (1/5) = 0,12. Но откуда эти 3/5 и 1/5?

Спасибо за помощь!

Answer 1

Наивные байес использует два предположения:

• функция независим данный класс
• каждую функцию исходит из некоторых известных априорного семейства плотностей

Что это дает нам? Первый позволяет использовать первое предположение

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

теперь мы должны calulcate каждый из «малых» вероятностей, и мы используем определение условной вероятности и наивного frequentialist подхода здесь, оценивая

   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 

таким образом

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