“朴素”贝叶斯在机器学习中意味着什么？

Question

“朴素”贝叶斯在机器学习中意味着什么？

Answer 1

机器学习中的朴素贝叶斯通常指的是一组应用贝叶斯定理的监督学习算法。它本质上是一个“分类器”，可以帮助您基于一系列独立的“天真”假设对事物进行分类。例如，如果你想使用机器学习来帮助你识别潜在的水果...采取香蕉，它的弯曲，黄色，可能是10英寸长。 “弯曲的”，“黄色的”，“10英寸长的”这些属性都是独立的属性，它们组合在一起形成水果是香蕉的“概率”。使用这种'幼稚'的贝叶斯分类器，将来如果有其他种类的'水果'或不同的图像，使用机器学习的具有相似特性的水果描述，您的朴素贝叶斯分类器可以将未来水果或未知事物分类为香蕉正确......（或不正确），您可能会想要识别更多“幼稚”特征，使分类器更加精确，例如，可能会出现“变黑的小费”或“略带绿色的颜色”。

Answer 2

它被称为天真的，因为模型假设功能之间的独立性。这是一个有力的假设，通常是不正确的，这就是名字的原因。

尽管如此，天真的贝叶斯是相当有效的，并在实践中被称为给予好的结果。