Τι είναι ο αφελής ταξινομητής Bayesian;

Ο αφελής ταξινομητής Naive Bayes είναι ένας απλός πιθανοτικός ταξινομητής που βασίζεται στην εφαρμογή του θεωρήματος του Bayes, με την υπόθεση ότι τα χαρακτηριστικά είναι ανεξάρτητα μεταξύ τους.

Ιδέα:

• Υπολογίζει την πιθανότητα ένα αντικείμενο να ανήκει σε μια κλάση, λαμβάνοντας υπόψη τις τιμές των χαρακτηριστικών.
• Υποθέτει ότι όλα τα χαρακτηριστικά είναι ανεξάρτητα, κάτι που απλοποιεί τους υπολογισμούς.

Παράδειγμα: ταξινόμηση email ως spam ή μη spam βάσει των λέξεων στο κείμενο.

Πλεονεκτήματα:

• Γρήγορος και εύκολος στην υλοποίηση.
• Λειτουργεί καλά με μεγάλα σύνολα δεδομένων.

Περιορισμοί:

• Η υπόθεση της ανεξαρτησίας των χαρακτηριστικών συχνά δεν ισχύει, κάτι που μπορεί να μειώσει την ακρίβεια.

Παράδειγμα σε Python με sklearn:

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

texts = ["spam μήνυμα", "σημαντική συνάντηση", "αγοράστε τώρα", "ενημέρωση έργου"]
labels = [1, 0, 1, 0]  # 1 - spam, 0 - μη spam

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

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

new_text = ["αγοράστε συνάντηση"]
X_new = vectorizer.transform(new_text)
prediction = model.predict(X_new)
print(prediction)  # Θα εμφανίσει [1] - spam