Il prossimoProssima guida
Decodifica minima del rischio Bayes
Intelligenza artificiale linguistica
GUIDA AI FONDAMENTALI
Naive Bayes è un classificatore probabilistico basato sul teorema di Bayes con un presupposto di indipendenza condizionale per le caratteristiche date una classe.
Ascolta questa guidaNarrato dall'IA · ~1 min
Le sue varianti utilizzano diversi modelli di verosimiglianza per diversi tipi di caratteristiche.
Naive Bayes applica il teorema di Bayes per stimare una classe a posteriori da una a priori e le probabilità delle caratteristiche. Il suo presupposto semplificativo considera le funzionalità come condizionatamente indipendenti data la classe. Le varianti multinomiali e Bernoulli utilizzano rappresentazioni di funzioni di conteggio o binarie; Gaussian Naive Bayes stima una media e una varianza per ciascuna caratteristica all'interno di ciascuna classe. Questi modelli differiscono nelle ipotesi di verosimiglianza e dovrebbero essere selezionati per corrispondere alla rappresentazione dei dati.
Multinomial Naive Bayes modella i conteggi discreti come il conteggio delle parole.
Bernoulli Naive Bayes modella la presenza o l'assenza di caratteristiche binarie.
Gaussian Naive Bayes modella caratteristiche continue con distribuzioni normali condizionate dalla classe.
Una linea di base leggera può essere confrontata con altri classificatori sui dati delle attività trattenute.
Utilizzare Naive Bayes come base di riferimento leggera quando i suoi presupposti e il profilo computazionale si adattano al problema. Confrontalo con alternative sui dati trattenuti; le prestazioni dipendono dal set di dati, dalle funzionalità e dalla metrica.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Naive Bayes è un classificatore probabilistico basato sul teorema di Bayes con un presupposto di indipendenza condizionale per le caratteristiche date una classe. Le sue varianti utilizzano diversi modelli di verosimiglianza per diversi tipi di caratteristiche.
Il modello presuppone che ciascuna caratteristica contribuisca in modo indipendente al risultato data la classe, consentendogli di moltiplicare le probabilità per caratteristica.
Utilizza il teorema di Bayes per convertire le probabilità delle classi a priori e le probabilità delle caratteristiche in una probabilità a posteriori per ciascuna classe.
Moltiplicando molte probabilità inferiori a 1 si può arrivare a zero, quindi prendere i logaritmi e sommarli mantiene i calcoli stabili.
Senza livellamento, una parola mai vista con una classe dà a quella classe probabilità zero; aggiungi uno conteggi evitalo.
Multinomial Naive Bayes modella conteggi discreti come quante volte ciascuna parola appare, rendendola standard per il testo.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Decodifica minima del rischio Bayes
Intelligenza artificiale linguistica