저장된 확률 계산식에 대한 통계 상세 정보
이 섹션에서는 "나이브 베이즈"의 빨간색 삼각형 메뉴에 있는 "확률 계산식 저장" 옵션을 사용하여 저장된 계산식에 대해 설명합니다. 예측 변수 값이 x1, x2, …, xp인 관측값이 Ck 클래스에 속할 조건부 확률은 나이브 베이즈 알고리즘에 대한 통계 상세 정보 섹션에 표시된 P(Ck|(x1,..., xp))에서 제공하는 확률과 약간 다릅니다. 이는 계산 효율성을 위해서입니다.
Naive 스코어 계산식
지정된 클래스 Ck에 대한 Naive 스코어 계산식 S(Ck)는 P(Ck|(x1,..., xp))의 표현식에서 분자가 변형된 것으로, 다음과 같이 계산됩니다.
S(Ck) = exp[ln{P(Ck)} + 연속형 + 범주형 + ln(R)]
Naive 스코어 계산식은 연속형 예측 변수와 범주형 예측 변수의 스코어 조합입니다. R은 정규화 상수입니다. 계산식의 연속형 부분은 다음과 같이 계산됩니다.
연속형 = 
다음은 각 요소에 대한 설명입니다.
j = 1,..., p1 연속형 예측 변수
계산식의 범주형 부분은 다음과 같이 계산됩니다.
범주형 = 
다음은 각 요소에 대한 설명입니다.
r= 1,...,p2 범주형 변수
l = r번째 범주형 변수의 1,..., Lr 수준
1rl = xrl이 r번째 범주형 예측 변수의 l번째 수준인 경우 1이고, 그렇지 않은 경우 0인 표시 변수
Naive 스코어 합 계산식
Naive 스코어 합 계산식 S는 모든 클래스에 대해 Naive 스코어 계산식을 합한 것입니다. 이 계산식은 P(Ck|(x1,..., xp))의 표현식에서 분모가 변형되었습니다.
Naive 확률 계산식
지정된 클래스 Ck의 Naive 확률 계산식은 P(Ck|(x1,..., xp))입니다. JMP 계산식에서는 다음과 같습니다.
Naive 예측 계산식
관측값의 Naive 예측 계산식은 해당 관측값을 P(Ck|(x1,..., xp))가 가장 큰 클래스로 분류합니다. 이것은 관측값을 Naive 스코어 계산식이 가장 큰 클래스 분류하는 것과 동일합니다.