ناب لرنینگ |
بزرگترین بانک اطلاعاتی پروژه های دانشجویی طبقه بندی کننده های Naive Bayes ،مجموعه ای از الگوریتم های طبقه بندی بر اساس تئوری Bayes است. Naive Bayes یک الگوریتم تنها نیست بلکه یک خانواده از الگوریتم‌هاست که در یک اصل مشترک می‌باشند. هر جفت ویژگی طبقه بندی‌شده در الگوریتم‌های بیز مستقل از یکدیگر است.
طبقه بندی یا classifier چیست ؟
طبقه بندی یا classifier یک مدل در یادگیری ماشین است که برای تفکیک اشیای مختلف بر اساس ویژگی‌های خاص مورد استفاده قرار می گیرد.
تئوری بیز
قضیه نیو بیزین ( naive bayesian) روش محاسبه احتمال posterior (خلفی)، (P (c | x)، P (c)، P (x) و P (x | c را فراهم می کند. دسته بندی naive bayesian فرض می کند که اثر ارزش یک پیش بینی (x) بر یک کلاس داده (c) مستقل از مقادیر پیش بینی کننده های دیگر است. این فرض استقلال شرطی طبقه است.
- (P (c | x) احتمال خلفی کلاس (هدف) پیش بینی کننده (ویژگی) است.
- (P (c) احتمال قبلی کلاس است.
- (P (x | c) این احتمال است که احتمال کلاس پیش بینی کننده داده شده است.
- (P (x) احتمال قبلی پیش بینی کننده است.
مثالی از الگوریتم Naive Bayes
یک مجموعه ی داده را در نظر بگیرید که شرایط آب‌و‌‌هوا را برای برگزاری یک بازی گلف توصیف می کند. با توجه به شرایط در صورت مناسب بودن آب و هوا برای بازی Play Golf باری انجام می شود(Yes) و در صورت نامناسب بودن آب و هوا بازی انجام نمی شود(No).
جدولی از مجموعه داده ما در زیر آورده شده است :
