Naive Bayes

Der Naive-Bayes-Algorithmus ist eine überwachte Lernmethode für Klassifizierungsprobleme, die auf dem Bayes-Theorem basiert. Einfach ausgedrückt, geht ein Naive-Bayes-Klassifikator davon aus, dass das Vorhandensein eines Merkmals in einer Klasse keinen Einfluss auf das Vorhandensein eines weiteren Merkmals hat. Der Naive-Bayes-Klassifikator ist eine beliebte überwachte Machine-Learning-Methode für Klassifizierungsanwendungen wie Textklassifizierung. Er gehört zur Familie der generativen Lernalgorithmen und simuliert die Eingabeverteilung für eine bestimmte Klasse oder Kategorie. Diese Methode basiert auf der Annahme, dass die Merkmale der Eingabedaten bei gegebener Klasse bedingt unabhängig sind, was es dem Algorithmus ermöglicht, Ergebnisse schnell und präzise vorherzusagen. Einfache probabilistische Klassifikatoren, die das Bayes-Theorem verwenden, werden als Naive-Bayes-Klassifikatoren bezeichnet. Dieses Theorem berechnet die Wahrscheinlichkeit einer Hypothese basierend auf den verfügbaren Informationen und einigen Vorwissen. Die Vorhersage der Klasse des Testdatensatzes ist einfach und schnell. Darüber hinaus zeigt die Mehrklassen-Vorhersage gute Ergebnisse.