Isi kandungan:
Definisi - Apa maksud Naive Bayes?
Pengelas Bayi naif adalah algoritma yang menggunakan teorema Bayes untuk mengklasifikasikan objek. Pengelas Naive Bayes menganggap kuat, atau naif, kebebasan antara atribut titik data. Kegunaan popular pengeluar Bayes naif termasuk penapis spam, analisis teks dan diagnosis medis. Pengelas ini digunakan secara meluas untuk pembelajaran mesin kerana mereka mudah dilaksanakan.
Naive Bayes juga dikenali sebagai Bayes sederhana atau Bayes kemerdekaan.
Techopedia menerangkan Naive Bayes
Pengelas naif Bayes menggunakan teori kebarangkalian untuk mengklasifikasikan data. Algoritma klasifikasi Naive Bayes menggunakan teorem Bayes. Wawasan utama Bayes 'teorem adalah bahawa kebarangkalian peristiwa dapat disesuaikan dengan data baru diperkenalkan.
Apa yang membuat naif pengeluar naif Bayes adalah anggapan bahawa semua atribut titik data yang dipertimbangkan adalah bebas antara satu sama lain. Buah-buahan yang mengelaskan kelas ke dalam epal dan oren akan tahu bahawa epal adalah merah, bulat dan saiz tertentu, tetapi tidak akan menganggap semua perkara ini sekaligus. Jeruk juga bulat.
Pengelas naif Bayes bukanlah satu algoritma tunggal, tetapi keluarga algoritma pembelajaran mesin yang membuat kegunaan kebebasan statistik. Algoritma ini agak mudah untuk ditulis dan dijalankan dengan lebih cekap daripada algoritma Bayes yang lebih kompleks.
Aplikasi yang paling popular adalah penapis spam. Penapis spam melihat mesej e-mel untuk kata kunci tertentu dan meletakkannya dalam folder spam jika mereka sepadan.
Walaupun namanya, semakin banyak data yang diperoleh, lebih tepat pengelas Bayes naif menjadi, seperti dari pengguna yang menandai mesej e-mel dalam peti masuk untuk spam.
