Iti0210lab91: erinevus redaktsioonide vahel
Resümee puudub |
|||
| 20. rida: | 20. rida: | ||
Taustainfo: [https://www.datasciencecentral.com/profiles/blogs/naive-bayes-for-dummies-a-simple-explanation lühidalt], detailsemalt saad lugeda loengukava alt viidatud materjalidest. | Taustainfo: [https://www.datasciencecentral.com/profiles/blogs/naive-bayes-for-dummies-a-simple-explanation lühidalt], detailsemalt saad lugeda loengukava alt viidatud materjalidest. | ||
<!-- | |||
== Treenimine ja ennustamine == | == Treenimine ja ennustamine == | ||
| 132. rida: | 132. rida: | ||
- http : / / yoursite . com | - http : / / yoursite . com | ||
</pre> | </pre> | ||
--> | |||
Redaktsioon: 25. märts 2019, kell 12:38
"Naiivne" Bayesi klassifikaator
Sissejuhatus
Klassifitseerimise ülesandes on vaja objekti tunnuste järgi otsustada, millisesse klassi mingi objekt kuulub. Näiteks tuntud iiriste klassifitseerimise ülesandes saab taime teatud osade mõõtude järgi otsustada, millisesse iirise alamliiki ta kuulub. Klassifitseerimiseks saab kasutada ka Naiivse Bayesi (lühidalt NB) tõenäosusmudelit, mis põhineb eeldusel, et kui meil on peidetud põhjus, siis selle nähtavad tagajärjed on kõik üksteisest sõltumatud. See eeldus võimaldab tagajärgede alusel põhjuse tõenäosust leida üsna lihtsa valemi järgi.
Kui meil on teada klassifitseeritava objekti mingid tunnused x1, ..., xn ning mingid võimalikud klassid c1, c2, ..., siis tõenäosus, et objekti klass on ci on proportsionaalne järgmise valemiga:
Täpset tõenäosust see valem ei anna, küll aga annab ta seda suurema numbri, mida suurem on tõenäosus. Seega tuleb see valem arvutada välja iga võimaliku klassi ci kohta ja siis saadud tulemusi võrrelda, et leida kõige tõenäolisem klass. Vaja on iga klassifitseeringu esinemise tõenäosust P(ci) ning iga tunnuse tinglikku tõenäosusjaotust iga klassi kohta P(Xj|ci). Tõenäosusjaotus tähendab, et vaja on iga tunnuse võimaliku väärtuse tõenäosust, näit. kui tunnuse väärtused saavad olla 1 või 0, siis on vaja P(Xj=1|ci) ja P(Xj=0|ci).
NB mudeli üks esimesi ja tuntumaid rakendusi on rämpsposti klassifitseerimine. Idee on lihtne - rämpspostis esinevad rohkem ühesugused sõnad (buy Go1d watches CHE4P!!), päris kirjades teistsugused. Sõnad on tunnusteks, nende esinemise peidetud põhjus on aga see, kas kiri on rämpspost või tavaline.
Kirjuta programm, mis:
- etteantud treeningnäidetest, kus on antud nii tunnused kui ka klass, ehitab vajalikud tõenäosustabelid;
- leiab ainult tunnuste alusel objekti klassi
Treeni oma mudel antud treeningandmetega, kus väikesest rämpsmeilide korpusest [1] on juba valitud 12 sõna tunnusteks. Seejärel proovi, kas õnnestub kahte toodud kirja klassifitseerida.
Taustainfo: lühidalt, detailsemalt saad lugeda loengukava alt viidatud materjalidest.