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.,

Gaussian Distribution(Normal Distribution)

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.

Articles

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *