条件独立:在给定某个条件(或已知某个变量)时,两个事件/变量彼此不再提供额外信息。常写作:(A \perp B \mid C),表示“在给定 (C) 的情况下,(A) 与 (B) 条件独立”。(在统计学、概率论、机器学习中非常常见。)
/kənˈdɪʃənəl ˌɪndɪˈpɛndəns/
In this model, A and B are conditionally independent given C.
在这个模型中,给定 C 时,A 和 B 条件独立。
Assuming conditional independence, the naive Bayes classifier multiplies the likelihoods of features to estimate the class.
在假设条件独立的情况下,朴素贝叶斯分类器会将各特征的似然相乘来估计类别。
conditional 来自 condition(条件)+ 形容词后缀 -al,表示“与条件有关的”。independence 来自 *in-*(不)+ depend(依赖)+ 名词后缀 -ence,表示“独立/不依赖的状态”。组合起来就是“在某条件下的独立性”。