binary - Naive Bayes: 観測変数の異種 CPD

Question

離散変数と連続変数の組み合わせを使用して、バイナリ分類に単純ベイズ モデルを使用しています。私の質問は、連続観測変数と離散観測変数に異なる条件付き確率分布 (CPD) 関数を使用できますか? たとえば、連続変数にはガウス CPD を使用し、離散変数にはいくつかの決定論的 CPD を使用しますか?

ありがとうございました

Answer 1

はい、同じモデル内で連続変数と離散変数を混在させるのは普通のことです。次の例を考えてみましょう。

2 つの確率変数があるとします。

• T - 今日の気温
• D - 曜日

注 T は連続で、D は離散です。バイナリ変数 B で表される、ジョンがビーチに行くかどうかを予測したいとします。次に、B が与えられたときに T と D が条件付きで独立していると仮定すると、次のように推論を設定できます。

           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) はガウス分布、p(D|B) は離散分布、p(B) はジョンがビーチに行く頻度の離散事前分布である可能性があります。