რა არის naive ბეისის კლასიფიკატორი?

Naive Bayes კლასიფიკატორი არის მარტივი პოსტულატური კლასიფიკატორი, რომელიც ეფუძნება Bayes-ის თეორემის გამოყენებას და განიხილავს თვისებების დამოუკიდებლობას ერთმანეთისგან.

მიზანი:

• გამოითვლება ობიექტის კლასში შეყვანის ალბათობა, განიხილავს თვისებების მნიშვნელობებს.
• განიხილება, რომ ყველა თვისება დამოუკიდებელია, რაც ამარტივებს გამოთვლებს.

მაგალითი: ელფოსტის კლასიფიკაცია სპამ ან არა სპამ ტექსტში სიტყვების მიხედვით.

უპირატესობები:

• სწრაფი და მარტივი განხორციელება.
• კარგად მუშაობს დიდ მონაცემთა ნაკრებზე.

შეზღუდვები:

• თვისებების დამოუკიდებლობის წინასწარმეტყველება ხშირად არ სრულდება, რაც შეიძლება შეამციროს სიზუსტე.

Python-ში sklearn-ის გამოყენებით მაგალითი:

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

texts = ["სპამ შეტყობინება", "მნიშვნელოვანი შეხვედრა", "ყიდვა ახლა", "პროექტის განახლება"]
labels = [1, 0, 1, 0]  # 1 - სპამი, 0 - არა სპამი

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

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

ახალი_ტექსტი = ["ყიდვა შეხვედრა"]
X_new = vectorizer.transform(ახალი_ტექსტი)
განსაზღვრელი = მოდელი.predict(X_new)
print(განსაზღვრელი)  # გამოიტანს [1] - სპამი