1. 半朴素贝叶斯分类器原理：适当考虑一部分特征之间的相互依赖信息，从而既不需要进行完全联合概率计算，又不至于彻底忽略了比较强的特征依赖关系。

1. 独依赖估计One-Dependent Estimator:OED是半朴素贝叶斯分类器最常用的一种策略。它假设每个特征在类别之外最多依赖于一个其他特征，即：

   其中 为特征 所依赖的特征，称作的 父特征。

2. 不同的做法产生不同的独依赖分类器。

3.1.1 SPODE

3.1.2 TAN

1. 是在最大带权生成树算法基础上，通过下列步骤将特征之间依赖关系简化为如下图所示的树型结构：

   • 如果两个特征 相互条件独立，则 。则有条件互信息 ，则在图中这两个特征代表的结点没有边相连。

   • 以特征为结点构建完全图，任意两个结点之间边的权重设为条件互信息 。

   • 加入类别结点 ，增加 到每个特征的有向边。因为所有的条件概率都是以 为条件的。