Τι είναι το απλό παράδειγμα αλγόριθμου Bayes;
Τι είναι το απλό παράδειγμα αλγόριθμου Bayes;

Βίντεο: Τι είναι το απλό παράδειγμα αλγόριθμου Bayes;

Βίντεο: Τι είναι το απλό παράδειγμα αλγόριθμου Bayes;
Βίντεο: Τι είναι Αλγόριθμος 2024, Νοέμβριος
Anonim

Αφελής Bayes είναι μια πιθανολογική μηχανική μάθηση αλγόριθμος που μπορεί να χρησιμοποιηθεί σε μια μεγάλη ποικιλία εργασιών ταξινόμησης. Τυπικές εφαρμογές περιλαμβάνουν φιλτράρισμα ανεπιθύμητων μηνυμάτων, ταξινόμηση εγγράφων, πρόβλεψη συναισθημάτων κ.λπ. Βασίζεται στα έργα του Σεβ. Thomas Bayes (1702 61) και εξ ου και το όνομα.

Σχετικά με αυτό, πώς λειτουργεί το παράδειγμα του αφελούς αλγόριθμου Bayes;

Με απλά λόγια, α Ταξινομητής Naive Bayes υποθέτει ότι η παρουσία ενός συγκεκριμένου χαρακτηριστικού σε μια κλάση δεν σχετίζεται με την παρουσία οποιουδήποτε άλλου χαρακτηριστικού. Για παράδειγμα , ένα φρούτο μπορεί να θεωρηθεί μήλο εάν είναι κόκκινο, στρογγυλό και περίπου 3 ίντσες σε διάμετρο.

Επίσης, ποια είναι η προηγούμενη πιθανότητα στον αφελή Bayes; Αφελής Bayes ταξινομητής υποθέτουμε ότι η επίδραση της τιμής ενός προγνωστικού δείκτη (x) σε μια δεδομένη κατηγορία (c) είναι ανεξάρτητη από τις τιμές άλλων προβλέψεων. P(x|c) είναι η πιθανότητα που είναι το πιθανότητα της προβλεπόμενης τάξης. Το P(x) είναι το προηγούμενη πιθανότητα του προγνωστικού.

Επίσης να ξέρετε είναι, τι σημαίνει αφελής Bayes;

ΕΝΑ αφελής Bayes ο ταξινομητής είναι ένας αλγόριθμος που χρησιμοποιεί Bayes Θεώρημα για την ταξινόμηση αντικειμένων. Αφελής Bayes οι ταξινομητές υποθέτουν ισχυρό, ή αφελής , ανεξαρτησία μεταξύ των χαρακτηριστικών των σημείων δεδομένων. Αφελής Bayes είναι επίσης γνωστό ως απλό Bayes ή ανεξαρτησία Bayes.

Γιατί χρησιμοποιείται ο αφελής Bayes;

ο Αφελής Bayes είναι ένας αλγόριθμος ταξινόμησης που είναι κατάλληλος για δυαδική και πολυκλάση ταξινόμηση. Ο αφελής Bayes έχει καλή απόδοση σε περιπτώσεις κατηγορικών μεταβλητών εισόδου σε σύγκριση με αριθμητικές μεταβλητές. Είναι χρήσιμο για την πραγματοποίηση προβλέψεων και την πρόβλεψη δεδομένων με βάση ιστορικά αποτελέσματα.

Συνιστάται: