数据挖掘 - 朴素贝叶斯分母说明 - 吾爱随笔录

我遇到了一个较早的帖子，该帖子已解决并对其进行了跟进，但我无法发表评论，因为我的声誉低于 50。基本上我对计算朴素贝叶斯中的分母感兴趣。

现在我明白了朴素贝叶斯中的特征被认为是独立的，所以我们可以计算 $p(x) = p(x_{1})p(x_{2})...p(x_{n})$ 还是我们必须使用这个公式

p (x) = \sum_{k} p (C_{k}) p (x ∣ C_{k})

$p(\mathbf{x}) = \sum_k p(C_k) \ p(\mathbf{x} \mid C_k)$ 条件独立假设

p (x ∣ C_{k}) = Π_{i} p (x_{i} ∣ C_{k})

$p(\mathbf{x} \mid C_k) = \Pi_{i} \, p(x_i \mid C_k)$

我的问题是两种计算方式会给出相同的 p(x) 吗？

编辑**：抱歉，我认为这些功能具有条件独立性，而不是完全独立性。因此使用不正确 $p(x) = p(x_{1})p(x_{2})...p(x_{n})$ ?

最后，我知道我们实际上并不需要分母来找到我们的概率，而是出于好奇而询问。