НАИВЕН АЛГОРИТЪМ НА БАЙЕС-

Чудили ли сте се как вашият доставчик на електронна поща прилага филтриране на спам? или как онлайн каналите за новини извършват класификация на новинарския текст? или как компаниите извършват анализ на настроенията на своята аудитория в социалните медии. Всичко това може да бъде направено чрез алгоритъма Naive Bayes. Така че нека започваме!

Какво е Naive Bayes?

Класификаторът на Naive Bayes работи на принципа на условната вероятност, даден от теоремата на Bayes.

Теоремата на Байес дава условната вероятност за събитие А при условие, че е настъпило друго събитие Б.

P(A|B)=(P(B|A)P(A))/P(B) ,

където P(A|B)= условна вероятност за A при дадено B

P(A|B)= Условна вероятност за B при дадено A

P(A)=Вероятност за A

P(B)=Вероятност за B

Теоремата на Байс основно изчислява условната вероятност за настъпване на събитие въз основа на предварителни познания за условия, които могат да бъдат свързани със събитието.

Математическа интуиция за разбиране на наивния Бейс

Предимства на Naive Bayes Classifier:-

  1. Много просто и лесно за изпълнение.
  2. Нужни са по-малко данни за обучение.
  3. Обработва както непрекъснати, така и дискретни данни
  4. Силно мащабируем с бр. на предиктори и точки от данни.
  5. Тъй като е бърз, може да се използва в прогнози в реално време.
  6. Няма чувствителност към неподходящи функции.

Ето връзката към github за анализ на Naive Bayes: -



Hrraj5/ML-задачи
Допринесете за развитието на Hrraj5/ML-задачи, като създадете акаунт в GitHub.github.com



Линк към част 2:

https://github.com/Hrraj5/ML-assignments/blob/master/Logistic%20regression%20Analysis.ipynb