単純ベイズ分類器でのカーネル密度推定の使用？

この質問は、ここでの私の以前の質問のフォローアップであり、この質問に も意図的に関連しています。

このwikiページ 確率密度値のトレーニングセットについて想定正規分布からの実際の確率値よりベイズ事後むしろを計算するために使用されます。しかし、トレーニングセットが正規に分布していない場合、トレーニングセットのカーネル密度推定から取得した密度値を使用してベイジアン事後を計算することは同等に有効でしょうか？

目的のアプリケーションでは、このカーネル密度の推定は、MC手法によって生成された理論的に理想的な経験的データセットから取得されます。

私は最初にリンクされた以前の質問、特にwhuberの回答とこれに関するコメントの両方を読みました。

答えは「はい」です。つまり、数値変数のkdeからの密度を、ベイズの定理の条件付き確率（として使用します $P(X=x|C=c)$$P(C=c|X=x)=P(C=c)*P(X=x|C=c)/P(X=x)$

d（height）がすべてのクラスで等しいと仮定すると、d（height）は、定理が適用されるとき、つまりが除算されるときに正規化されます。$P(X=x|C=c)$$P(X=x)$

このペーパーはあなたにとって興味深いかもしれません：ベイズ分類器における連続分布の推定