我面临的分类问题似乎适用于朴素贝叶斯分类器（NBC）。但是，我有一个问题：通常NBC根据随机变量X的观察x估计出一组C类中最可能的C类。
在我的情况下，我有多个变量X1，X2可能会或可能不会共享功能。变量X1可以具有特征（xa，xb，xc），X2可以具有（xc，xd），而另一个变量X3可以具有（xe）。是否有可能构建一个分类器，允许我同时对X1，X2和X3进行分类，尽管这些特征是相交的甚至是正交的？
可以从另一个角度来看待问题：对于某些类，我缺少某些功能中的所有数据。请考虑以下表格：
Classes = {C1，C2}。
特征= X = {X1，X2，X3}，X1 = {A，B}，X2 = {1,2}，X3 = {Y，N}
C1类：
X1 X2 X3 #observations
A 1 ? 50
A 2 ? 20
B 1 ? 20
B 2 ? 10
C2类：
X1 X2 X3 #observations
A 1 Y 20
A 1 N 0
A 2 Y 20
A 2 N 10
B 1 Y 10
B 1 N 20
B 1 Y 10
B 1 N 10
正如您所看到的，功能X3与C1类没有任何关系。在对C1类进行分类时，没有可用于功能X3的数据。我可以制作一个分类器，将X =（A，2，N）分为C1和C2吗？如何计算C1类中X3缺失数据的条件概率？