Tartalom
- Meghatározás - Mit jelent a Naive Bayes?
- Bevezetés a Microsoft Azure és a Microsoft Cloud | A jelen útmutató során megtanulja, mi szól a felhőalapú számítástechnikából, és hogyan segítheti a Microsoft Azure a felhőből történő migrációt és az üzleti vállalkozás futtatását.
- A Techopedia magyarázza a Naive Bayes-t
Meghatározás - Mit jelent a Naive Bayes?
A naiv Bayes-osztályozó egy algoritmus, amely a Bayes-tételt használja az objektumok osztályozására. A Naiv Bayes-osztályozók erőteljes vagy naiv függetlenséget feltételeznek az adatpontok attribútumai között. A naiv Bayes-osztályozók népszerű alkalmazásai között szerepel a spamszűrők, az elemzés és az orvosi diagnózis. Ezeket az osztályozókat széles körben használják gépi tanulásra, mert egyszerűen végrehajthatók.
A Naiv Bayes egyszerű Bayes vagy független Bayes néven is ismert.
Bevezetés a Microsoft Azure és a Microsoft Cloud | A jelen útmutató során megtanulja, mi szól a felhőalapú számítástechnikából, és hogyan segítheti a Microsoft Azure a felhőből történő migrációt és az üzleti vállalkozás futtatását.
A Techopedia magyarázza a Naive Bayes-t
Egy naiv Bayes-osztályozó valószínűségi elméletet használ az adatok osztályozására. A naiv Bayes-osztályozó algoritmusok a Bayes-tételt használják. A Bayes-tétel kulcsfontosságú betekintése az, hogy egy esemény valószínűsége módosítható az új adatok bevezetésekor.
A naiv Bayes-osztályozó naivvá teszi azt a feltételezést, hogy a vizsgált adatpont minden attribútuma független egymástól. A gyümölcsök almába és narancsba szortírozó osztályozója tudni fogja, hogy az alma piros, kerek és bizonyos méretű, de nem feltételezi ezeket a dolgokat egyszerre. Végül is a narancs kerek.
A naiv Bayes-osztályozó nem egyetlen algoritmus, hanem gépi tanulási algoritmusok családja, amelyek statisztikai függetlenséget élveznek. Ezek az algoritmusok viszonylag könnyen írhatók és hatékonyabban futtathatók, mint a bonyolultabb Bayes-algoritmusok.
A legnépszerűbb alkalmazás a spamszűrők. A spamszűrő bizonyos kulcsszavakra nézi az s-t, és egy spam mappába helyezi őket, ha egyeznek.
A név ellenére, minél több adatot kap, annál pontosabbá válik a naiv Bayes-osztályozó, például amiatt, hogy egy felhasználó a beérkező levelek mappájában jelöli meg a spántot.