คำทั่วไปไร้เดียงสาเบส์หมายถึงสมมติฐานที่เป็นอิสระที่แข็งแกร่งในรูปแบบมากกว่าการกระจายเฉพาะของแต่ละคุณสมบัติ แบบจำลอง Naive Bayes สันนิษฐานว่าคุณลักษณะแต่ละอย่างที่ใช้เป็นอิสระจากเงื่อนไขของอีกคุณสมบัติหนึ่งที่มีในคลาส อย่างเป็นทางการมากขึ้นถ้าฉันต้องการคำนวณความน่าจะเป็นของการสังเกตคุณสมบัติถึงให้คลาส c ภายใต้ Naive Bayes สมมติฐานการถือครองต่อไปนี้:ฉ1ฉn
p ( f1, . . . , Fn| c)= ∏i = 1np ( fผม| ค)
ซึ่งหมายความว่าเมื่อฉันต้องการใช้แบบจำลอง Naive Bayes เพื่อจำแนกตัวอย่างใหม่ความน่าจะเป็นด้านหลังนั้นง่ายกว่ามากในการทำงานกับ:
p ( c | f1, . . . , Fn) ∝ p ( c ) p ( f1| ค) . . p( fn| ค)
แน่นอนว่าสมมติฐานของความเป็นอิสระเหล่านี้ไม่ค่อยเป็นความจริงซึ่งอาจอธิบายได้ว่าทำไมบางคนถึงเรียกตัวแบบว่า "Idiot Bayes" แต่ในทางปฏิบัติแบบจำลอง Naive Bayes ทำได้ดีอย่างน่าประหลาดใจแม้ในงานที่ซับซ้อนซึ่งเป็นที่ชัดเจนว่า สมมติฐานความเป็นอิสระเป็นเท็จ
จนถึงตอนนี้เราไม่ได้พูดถึงการกระจายของแต่ละคุณสมบัติ กล่าวอีกนัยหนึ่งเราไม่ได้กำหนดคำพหุ Multinomial Naive Bayesเพียงบอกให้เรารู้ว่าแต่ละเป็นการกระจายแบบพหุนามมากกว่าการกระจายตัวแบบอื่น วิธีนี้ใช้งานได้ดีกับข้อมูลที่สามารถเปลี่ยนเป็นการนับได้ง่ายเช่นการนับจำนวนคำในข้อความp ( fผม| ค)p ( fผม| ค)
การแจกแจงที่คุณใช้กับลักษณนาม Naive Bayes ของคุณเป็นไฟล์ PDF ของ Guassian ดังนั้นฉันคิดว่าคุณสามารถเรียกมันว่าลักษณนามของ Naass Bayes
กล่าวโดยสรุปตัวจําแนก Naive Bayes เป็นคำทั่วไปซึ่งหมายถึงความเป็นอิสระตามเงื่อนไขของแต่ละคุณสมบัติในแบบจำลองขณะที่ตัวจําแนก Multinomial Naive Bayes เป็นตัวอย่างเฉพาะของตัวจําแนก Naive Bayes ซึ่งใช้การกระจายแบบพหุ
อ้างอิง:
Stuart J. Russell และ Peter Norvig 2546. ปัญญาประดิษฐ์: แนวทางใหม่ (2 ed.) การศึกษาของเพียร์สัน ดูหน้า 499 สำหรับการอ้างอิงถึง "idiot Bayes" เช่นเดียวกับคำจำกัดความทั่วไปของรูปแบบ Naive Bayes และสมมติฐานความเป็นอิสระ