Naive Bayes

Autore: Roger Morrison
Data Della Creazione: 21 Settembre 2021
Data Di Aggiornamento: 19 Giugno 2024
Anonim
Naive Bayes, Clearly Explained!!!
Video: Naive Bayes, Clearly Explained!!!

Contenuto

Definizione - Cosa significa Naive Bayes?

Un ingenuo classificatore Bayes è un algoritmo che utilizza il teorema di Bayes per classificare gli oggetti. I classificatori Naive Bayes assumono una forte o ingenua indipendenza tra gli attributi dei punti dati. Gli usi popolari degli classificatori ingenui Bayes includono filtri antispam, analisi e diagnosi medica. Questi classificatori sono ampiamente utilizzati per l'apprendimento automatico perché sono semplici da implementare.


Naive Bayes è anche conosciuta come Bayes semplice o Bayes indipendente.

Un'introduzione a Microsoft Azure e Microsoft Cloud | In questa guida imparerai cos'è il cloud computing e in che modo Microsoft Azure può aiutarti a migrare e gestire la tua azienda dal cloud.

Techopedia spiega Naive Bayes

Un ingenuo classificatore Bayes utilizza la teoria delle probabilità per classificare i dati. Gli algoritmi di classificazione Naive Bayes fanno uso del teorema di Bayes. L'intuizione chiave del teorema di Bayes è che la probabilità di un evento può essere regolata con l'introduzione di nuovi dati.

Ciò che rende ingenuo un classificatore Bayes ingenuo è la sua ipotesi che tutti gli attributi di un punto dati in esame siano indipendenti l'uno dall'altro. Un classificatore che ordina i frutti in mele e arance saprebbe che le mele sono rosse, rotonde e di una certa dimensione, ma non assumono tutte queste cose in una volta. Anche le arance sono rotonde, dopo tutto.


Un ingenuo classificatore Bayes non è un singolo algoritmo, ma una famiglia di algoritmi di apprendimento automatico che fanno uso dell'indipendenza statistica. Questi algoritmi sono relativamente facili da scrivere ed eseguire in modo più efficiente rispetto agli algoritmi Bayes più complessi.

L'applicazione più popolare è i filtri antispam. Un filtro antispam cerca alcune parole chiave e le inserisce in una cartella spam se corrispondono.

Nonostante il nome, più dati ottiene, più accurato diventa un classificatore Bayes ingenuo, ad esempio da un utente che contrassegna i messaggi di posta elettronica in una casella di posta per lo spam.