Indhold
- Definition - Hvad betyder Naive Bayes?
- En introduktion til Microsoft Azure og Microsoft Cloud | Gennem denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.
- Techopedia forklarer Naive Bayes
Definition - Hvad betyder Naive Bayes?
En naiv Bayes-klassifikator er en algoritme, der bruger Bayes sætning til at klassificere objekter. Naive Bayes-klassifikatorer antager en stærk eller naiv uafhængighed mellem attributter til datapunkter. Populære anvendelser af naive Bayes-klassifikatorer inkluderer spamfiltre, analyse og medicinsk diagnose. Disse klassificeringsmaskiner er vidt brugt til maskinlæring, fordi de er enkle at implementere.
Naive Bayes er også kendt som simple Bayes eller uafhængigheds Bayes.
En introduktion til Microsoft Azure og Microsoft Cloud | Gennem denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.
Techopedia forklarer Naive Bayes
En naiv Bayes-klassifikator bruger sandsynlighedsteori til at klassificere data. Naive Bayes klassificeringsalgoritmer bruger Bayes sætning. Den vigtigste indsigt i Bayes teorem er, at sandsynligheden for en begivenhed kan justeres, når nye data introduceres.
Hvad der gør en naiv Bayes-klassifikator naiv er dens antagelse om, at alle attributter for et datapunkt, der overvejes, er uafhængige af hinanden. En klassifikator, der sorterer frugter i æbler og appelsiner ville vide, at æbler er røde, runde og er af en bestemt størrelse, men ville ikke antage alle disse ting på én gang. Appelsiner er trods alt også runde.
En naiv Bayes-klassifikator er ikke en enkelt algoritme, men en familie af maskinlæringsalgoritmer, der bruger statistisk uafhængighed. Disse algoritmer er relativt nemme at skrive og køre mere effektivt end mere komplekse Bayes-algoritmer.
Den mest populære applikation er spamfiltre. Et spamfilter kigger efter bestemte nøgleord og sætter dem i en spammappe, hvis de matcher.
På trods af navnet, jo flere data det får, jo mere nøjagtigt bliver en naiv Bayes-klassifikator, f.eks. Fra en bruger, der markerer s i en indbakke for spam.