Ein Naive Bayes-Klassifikator ist ein probabilistisches Modell für maschinelles Lernen, das für die Klassifizierungsaufgabe verwendet wird. Es ist ein Klassifikator in einem Modell für maschinelles Lernen, der verwendet wird, um verschiedene Objekte basierend auf bestimmten Merkmalen zu unterscheiden.
Bayes Satz:
Naive Bayes-Klassifikator:
Dies wird hauptsächlich für Dokumentklassifizierungsprobleme verwendet, i.,e ob ein Dokument in die Kategorie Sport, Politik, Technologie usw. gehört. Die vom Klassifikator verwendeten Merkmale/Prädiktoren sind die Häufigkeit der im Dokument vorhandenen Wörter.
Bernoulli Naive Bayes:
Dies ähnelt den multinomialen naiven Bayes, aber die Prädiktoren sind boolesche Variablen. Die Parameter, mit denen wir die Klassenvariable vorhersagen, nehmen nur die Werte ja oder Nein auf, z. B. wenn ein Wort im Text vorkommt oder nicht.,
Gaußsche Naive Bayes:
Wenn die Prädiktoren einen kontinuierlichen Wert annehmen und nicht diskret sind, gehen wir davon aus, dass diese Werte aus einer gaußschen Verteilung abgetastet werden.,
Since the way the values are present in the dataset changes, the formula for conditional probability changes to,
Conclusion:
Naive Bayes algorithms are mostly used in sentiment analysis, spam filtering, recommendation systems etc., Sie sind schnell und einfach zu implementieren, aber ihr größter Nachteil ist, dass die Anforderung von Prädiktoren unabhängig zu sein. In den meisten realen Fällen sind die Prädiktoren abhängig, dies behindert die Leistung des Klassifikators.