|
AODE(''Averaged One-Dependence Estimators'')は確率的分類器の一つである。AODEは、代表的な確率的分類器である単純ベイズ分類器の単純な条件付き独立の仮定を緩和する分類器として考案された。多くの場合、単純ベイズ分類器に対して顕著に高い精度を示すが、計算コストもそれほど大きくはならないことが示された〔Webb, G. I., J. Boughton, and Z. Wang (2005). Not So Naive Bayes: Aggregating One-Dependence Estimators . Machine Learning 58(1). Netherlands: Springer, pages 5-24. 〕。'Averaged One-Dependence Estimators'')は確率的分類器の一つである。AODEは、代表的な確率的分類器である単純ベイズ分類器の単純な条件付き独立の仮定を緩和する分類器として考案された。多くの場合、単純ベイズ分類器に対して顕著に高い精度を示すが、計算コストもそれほど大きくはならないことが示された〔Webb, G. I., J. Boughton, and Z. Wang (2005). Not So Naive Bayes: Aggregating One-Dependence Estimators . Machine Learning 58(1). Netherlands: Springer, pages 5-24. 〕。 Estimators'')は確率的分類器の一つである。AODEは、代表的な確率的分類器である単純ベイズ分類器の単純な条件付き独立の仮定を緩和する分類器として考案された。多くの場合、単純ベイズ分類器に対して顕著に高い精度を示すが、計算コストもそれほど大きくはならないことが示された〔Webb, G. I., J. Boughton, and Z. Wang (2005). Not So Naive Bayes: Aggregating One-Dependence Estimators . Machine Learning 58(1). Netherlands: Springer, pages 5-24. 〕。 == AODE 分類器 == AODEは、特徴変数の実現値 ''x''1, ... ''x''n を条件とした各クラス ''y'' の確率、P(''y'' | ''x''1, ... ''x''n) を求める。これを計算するため、AODEは以下の式を用いる。 : ここで、 は確率 の推定値を表し、 は引数の変数値が訓練データに現れる頻度を表し、 ''m'' は加算される各項が満たす条件として、各項を代表する変数が訓練データに現れるべき最小頻度を表す。 通常、''m'' としては 1 が指定される。 抄文引用元・出典: フリー百科事典『 ウィキペディア(Wikipedia)』 ■ウィキペディアで「AODE」の詳細全文を読む スポンサード リンク
|