반응형
SMALL
나이브 베이즈 분류(Naive Bayes Classification)는 특성들 사이의 독립을 가정하는 베이즈 정리를 적용한 확률 분류기의 일종입니다. 나이브 베이즈 분류는 텍스트 분류에 사용됨으로서 문서를 여러 범주 (예: 스팸, 스포츠, 정치) 중 하나로 판단하는 문제에 대한 대중적인 방법으로 남아있습니다.
나이브 베이즈의 장점으론 일부의 확률 모델에서 지도 학습 환경에서 매우 효율적으로 훈련 될 수 있습니다. 또한, 분류에 필요한 파라미터를 추정하기 위한 트레이닝 데이터의 양이 매우 적다는 점이 있습니다. 마지막으로 간단한 디자인과 단순한 가정에도 불구하고, 나이브 베이즈 분류는 많은 복잡한 실제 상황에서 잘 작동합니다.
이상 나이브 베이즈(Naive Bayes)였습니다. ^_^
반응형
LIST
'Machine, Deep Learning > Machine, Deep Learning 용어 설명' 카테고리의 다른 글
| Loss Function vs Cost Function vs Objective Function (0) | 2019.06.15 |
|---|---|
| 서포트 벡터 머신(Support Vector Machine)이란? (0) | 2019.06.15 |
| 로지스틱 회귀(Logistic Regression)란? (0) | 2019.06.15 |
| Basic Data types를 알아봅시다. (0) | 2019.06.15 |
| 데이터 랭글링(Data Wrangling)이란? (0) | 2019.06.15 |
