Innehållsförteckning:
Definition - Vad betyder Naive Bayes?
En naiv Bayes-klassificerare är en algoritm som använder Bayes teorem för att klassificera objekt. Naiva Bayes klassificerare antar stark, eller naiv, oberoende mellan attribut för datapunkter. Populära användningar av naiva Bayes-klassificerare inkluderar skräppostfilter, textanalys och medicinsk diagnos. Dessa klassificerare används ofta för maskininlärning eftersom de är enkla att implementera.
Naive Bayes är också känd som enkla Bayes eller oberoende Bayes.
Techopedia förklarar Naive Bayes
En naiv Bayes-klassificerare använder sannolikhetsteori för att klassificera data. Naiva Bayes klassificeringsalgoritmer använder sig av Bayes teorem. Den viktigaste insikten i Bayes teorem är att sannolikheten för en händelse kan justeras när nya data introduceras.
Det som gör en naiv Bayes klassificerare naiv är dess antagande att alla attribut för en datapunkt som beaktas är oberoende av varandra. En klassificerare som sorterar frukter i äpplen och apelsinerna skulle veta att äpplen är röda, runda och har en viss storlek, men skulle inte ta alla dessa saker på en gång. Apelsiner är trots allt också runda.
En naiv Bayes-klassificerare är inte en enda algoritm utan en familj av maskininlärningsalgoritmer som använder sig av statistisk oberoende. Dessa algoritmer är relativt enkla att skriva och köra mer effektivt än mer komplexa Bayes-algoritmer.
Den mest populära applikationen är skräppostfilter. Ett spamfilter tittar på e-postmeddelanden för vissa nyckelord och lägger dem i en skräppostmapp om de matchar.
Trots namnet, desto mer data den får, desto mer exakt blir en naiv Bayes-klassificerare, till exempel från en användare som flaggar e-postmeddelanden i en inkorg för skräppost.
