Averaged N-Dependence Estimators - AnDE:AnDE实现A1DE和A2DE-开源

平均N依赖估计量（A1DE和A2DE）通过对替代天真贝叶斯样模型的所有较小空间进行平均而获得高度准确的分类，这些模型的独立性假设比天真贝叶斯弱（因此危害性更小）。 所得算法在计算上高效，同时在许多学习任务上提供了高度准确的分类。 有关更多信息，请参见G. Webb，J。Boughton，Z。Wang（2005）。 并非如此朴素的贝叶斯：聚合一依赖估计量。 机器学习。 58（1）：5-24和GI Webb，J.Boughton，F.Zheng，KM Ting和H.Salem（2012）。 通过从边际概率分布到全多元概率分布的外推学习：逐渐减少的朴素{贝叶斯}分类。 机器学习。 86（2）：233-272。