NAIVE BAYES LÀ GÌ

Naive Bayes Classification (NBC) là 1 thuật toán thù dựa trên định lý Bayes về kim chỉ nan phần trăm để lấy ra những phán đoán cũng tương tự phân loại dữ liệu dựa vào các dữ liệu được quan liêu gần kề và những thống kê. Naive sầu Bayes Classification là 1 Một trong những thuật toán được ứng dụng tương đối nhiều trong số lĩnh vực Machine learning dùng để lấy các dự đoán đúng chuẩn độc nhất vô nhị dự trên một tập tài liệu đã được tích lũy, do nó khá dễ hiểu cùng độ chính xác cao. Nó trực thuộc vào nhóm Supervised Machine Learning Algorithms (thuật toán học tập được bố trí theo hướng dẫn), tức là sản phẩm công nghệ học trường đoản cú những ví dụ từ bỏ các mẫu dữ liệu đang bao gồm.

Bạn đang xem: Naive bayes là gì

P(Female|Democrat): Chính là xác suất nữ giới nằm trong đảng dân nhà vào cả đám thượng nghị sĩ đề xuất tính toánP(Demorate|Female): Chính là xác suất nữ giới vào đảng dân chủP(Female): Chính là xác suất nữ giới trong cả đám thượng nghị sĩP(Democrat): Chính là tổng cả đám thượng nghị viên.

Tại phía trên cùng với tài liệu mang đến bên trên ta rất có thể tính tân oán đượcP(Democrat|Female) = Số nữ giới vào đám dân công ty / Tổng đám thượng nghị đảng dân chủP(Democrat|Female) = 30/ 1trăng tròn = 0.25

P(Female) = Số nữ giới vào cả đám thượng nghị sĩ / Tổng đám thượng nghị sĩP(Female) = 60/200 = 0.3

P(Democrat) = Tổng đám thượng suy nghĩ sĩP(Democrat) = 1

Vậy ta rất có thể tín ra P(Female|Democrat) theo phương pháp Bayes nhỏng sau:

P(Female|Democrat) = (0.25 * 0.3) / 1 = 0.075Có nghĩa là nếu tôi chọn chọn thốt nhiên một bạn trong đám thượng nghị viên thì Xác Suất thượng nghị sĩ là Nữ giới với ở trong đảng Dân Chủ thì Tỷ Lệ sẽ là “7,5%”.

Xem thêm: Diện Mạo Bảng Xếp Hạng Nền Kinh Tế Thế Giới Thay Đổi Như Thế Nào Sau Đại Dịch?

Trên đây là một ví dụ rất đơn giản dễ dàng được tính toán thù bởi định lý Bayes cơ mà thật ra nếu như khách hàng như thế nào giỏi hoàn toàn có thể từ bỏ tính nhđộ ẩm ra nhưng mà ko phải áp dụng định lý bên trên.

Xem thêm: Top Mẫu Tin Nhắn Quảng Cáo Hay Nhất, Mẫu Tin Nhắn Quảng Cáo Hay

Vậy tôi sẽ xét tiếp một ví dụ tinh vi hơn với rất nhiều tài liệu và giả ttiết hơn rộng nhằm minc họa định lý “Bayes msống rộng” trên.

ví dụ như 2: Trong một vụ thu hoạch ở 1 đồn trang viên trại những tín đồ làm sẽ thu hoạch được rộng 1000 hoa quả những một số loại được phân các loại thành 3 nhóm trái cây chính là “Chuối (banana)”, “Cam (orange)” với “các một số loại hoa quả khác (other fruit)” và được phân l oại thành các giao diện nhỏng loại hoa quả “dài (long), “không dài (not long), “ngọt (sweet)”, “ko ngọt (not sweet)”, “màu sắc vàng (yellow)”, “chưa phải màu rubi (not yellow)”