Fast NML Computation for Naive Bayes Models
Fast NML Computation for Naive Bayes Models
复制标题
朴素贝叶斯模型的快速 NML 计算
DOI：
10.1007/978-3-540-75488-6_15
复制
发表时间：
2007
期刊：
影响因子：
--
通讯作者：
P. Myllymäki
中科院分区：
文献类型：
--
作者：
Tommi Mononen;P. Myllymäki
最小描述长度（MDL）是一个信息论原则，可用于模型选择和其他统计推断任务。在实践中实现这一原则的一种方法是计算给定参数模型类的归一化最大似然（NML）分布。不幸的是，这是一个计算上不可行的任务，许多模型类的实际重要性。在本文中，我们提出了一个快速算法计算的NML的朴素贝叶斯模型类，这是经常使用的分类和聚类任务。该算法是基于生成函数的幂和离散卷积之间的关系。所得到的算法的时间复杂度为，其中n是数据的大小。
The Minimum Description Length (MDL) is an informationtheoretic principle that can be used for model selection and other statistical inference tasks. One way to implement this principle in practice is to compute the Normalized Maximum Likelihood (NML) distribution for a given parametric model class. Unfortunately this is a computationally infeasible task for many model classes of practical importance. In this paper we present a fast algorithm for computing the NML for the Naive Bayes model class, which is frequently used in classification and clustering tasks. The algorithm is based on a relationship between powers of generating functions and discrete convolution. The resulting algorithm has the time complexity of, where n is the size of the data.
利用植物蛋白石中的碳进行生产遗迹测年方法的研究（Ⅲ） - 尝试提取碳并测量其 14C 测年 -
DOI：
--
发表时间：
2011
期刊：
影响因子：
--
作者：
Kato;M. and Odagiri;H.;浜由樹子;黒田佑次郎・岩瀬哲・岩満優美・山本大悟・梅田恵・川口崇・坂田尚子・倉田博史・佐倉統・南雲吉則・中川恵一;中村俊夫
通讯作者：
中村俊夫