Co je to naivní bayesovský klasifikátor?

Naiv Bayes klasifikátor je jednoduchý pravděpodobnostní klasifikátor založený na použití Bayesova věty s předpokladem nezávislosti rysů.

Myšlenka:

• Vypočítá pravděpodobnost, že objekt patří do třídy, s ohledem na hodnoty rysů.
• Předpokládá, že všechny rysy jsou nezávislé, což zjednodušuje výpočty.

Příklad: klasifikace e-mailů jako spam nebo ne-spam na základě slov v textu.

Výhody:

• Rychlý a snadný na implementaci.
• Dobře funguje na velkých datových sadách.

Omezení:

• Předpoklad nezávislosti rysů často není splněn, což může snižovat přesnost.

Příklad v Pythonu s sklearn:

from sklearn.naive_bayes import MultinomialNB
from sklearn.feature_extraction.text import CountVectorizer

texts = ["spamová zpráva", "důležité setkání", "kup teď", "aktualizace projektu"]
labels = [1, 0, 1, 0]  # 1 - spam, 0 - ne-spam

vectorizer = CountVectorizer()
X = vectorizer.fit_transform(texts)

model = MultinomialNB()
model.fit(X, labels)

new_text = ["kup setkání"]
X_new = vectorizer.transform(new_text)
prediction = model.predict(X_new)
print(prediction)  # Ukáže [1] - spam