Принцип наивного байесовского классификатора:
Наивный байесовский классификатор - это вероятностная модель машинного обучения, которая используется для задачи классификации. Это классификатор в модели машинного обучения, который используется для определения различных объектов на основе определенных функций.
Теорема Байеса:
Типы наивного байесовского классификатора:
Полиномиальный наивный Байес:
Это в основном используется для проблемы классификации документов, т. Е. Того, принадлежит ли документ к категории спорта, политики, технологий и т. Д. Функции / предикторы, используемые классификатором, - это частота слов, присутствующих в документе. .
Бернулли Наивный Байес:
Это похоже на полиномиальный наивный байесовский метод, но предикторами являются логические переменные. Параметры, которые мы используем для прогнозирования переменной класса, принимают только значения «да» или «нет», например, если слово встречается в тексте или нет.
Гауссовский Наивный Байес:
Когда предикторы принимают непрерывное значение и не являются дискретными, мы предполагаем, что эти значения выбираются из гауссовского распределения.
Поскольку способ представления значений в наборе данных изменяется, формула условной вероятности изменяется на
Заключение:
Наивные байесовские алгоритмы в основном используются в анализе настроений, фильтрации спама, системах рекомендаций и т.д. >. В большинстве случаев в реальной жизни предикторы зависимы, это мешает работе классификатора.
