Table des matières:
Définition - Que signifie Naive Bayes?
Un classificateur Bayes naïf est un algorithme qui utilise le théorème de Bayes pour classer les objets. Les classificateurs Naive Bayes supposent une forte indépendance, ou naïve, entre les attributs des points de données. Les classificateurs Bayes naïfs sont couramment utilisés comme filtres anti-spam, analyse de texte et diagnostic médical. Ces classificateurs sont largement utilisés pour l'apprentissage automatique car ils sont simples à mettre en œuvre.
Naive Bayes est également connu sous le nom de simples Bayes ou Bayes d'indépendance.
Techopedia explique Naive Bayes
Un classificateur naïf de Bayes utilise la théorie des probabilités pour classer les données. Les algorithmes de classification naïfs de Bayes utilisent le théorème de Bayes. L'aperçu clé du théorème de Bayes est que la probabilité d'un événement peut être ajustée à mesure que de nouvelles données sont introduites.
Ce qui rend un classificateur naïf naïf naïf, c'est son hypothèse selon laquelle tous les attributs d'un point de données considéré sont indépendants les uns des autres. Un classificateur triant les fruits en pommes et oranges saurait que les pommes sont rouges, rondes et ont une certaine taille, mais n'assumerait pas toutes ces choses à la fois. Les oranges sont rondes aussi, après tout.
Un classificateur naïf de Bayes n'est pas un algorithme unique, mais une famille d'algorithmes d'apprentissage automatique qui utilisent l'indépendance statistique. Ces algorithmes sont relativement faciles à écrire et à exécuter plus efficacement que les algorithmes Bayes plus complexes.
L'application la plus populaire est les filtres anti-spam. Un filtre anti-spam examine les e-mails pour certains mots clés et les place dans un dossier spam s'ils correspondent.
Malgré son nom, plus il obtient de données, plus un classificateur Bayes naïf est précis, comme celui d'un utilisateur signalant des e-mails dans une boîte de réception pour spam.
