Naive Bayes classifier to probabilistyczny model uczenia maszynowego, który jest używany do zadań klasyfikacyjnych. Jest to klasyfikator w modelu uczenia maszynowego, który jest używany do rozróżniania różnych obiektów na podstawie pewnych cech.
twierdzenie Bayesa:
rodzaje naiwnych klasyfikatorów Bayesa:
jest to najczęściej używane do problemu klasyfikacji dokumentów, i.,e czy dokument należy do kategorii sport, polityka, technologia itp. Cechy / predyktory używane przez klasyfikatora to częstotliwość słów obecnych w dokumencie.
Bernoulli naiwny Bayes:
jest to podobne do wielomianu naiwny bayes, ale predyktorami są zmienne logiczne. Parametry, których używamy do przewidywania zmiennej klasy, przyjmują tylko wartości tak lub nie, na przykład jeśli słowo występuje w tekście lub nie.,
Bayes Gaussa:
gdy predykatory przyjmują wartość ciągłą i nie są dyskretne, Zakładamy, że wartości te są pobierane z rozkładu Gaussa.,
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., Są one szybkie i łatwe do wdrożenia, ale ich największą wadą jest wymóg niezależności predyktorów. W większości rzeczywistych przypadków predyktory są zależne, co utrudnia działanie klasyfikatora.