La Clasificación Beyesiana también se conoce como la Clasificación Naive Bayes. Como su nombre lo indica, este clasificador utiliza el Teorema de Naive Bayes para obtener la clasificación de los valores de una variable dada.
El teorema de Bayes ingenuo nos dice que la probabilidad de éxito de un evento dado es igual a la probabilidad del evento cuando el éxito se multiplica por la probabilidad de éxito y el resultado dividido por la probabilidad del evento.
Aquí, el éxito o el fracaso es el objetivo y los eventos son nuestros predictores.
- ¿Cómo determina una empresa el ROI de un científico de datos o equipo de ciencia de datos?
- ¿Qué herramientas usan los científicos de datos en Uber?
- ¿Cuál es el mejor instituto para aprender ciencia de datos en Hyderabad?
- ¿Cuál es una mejor iniciativa para aprender ciencia de datos: Python o R?
- ¿Cuál es la diferencia entre un ingeniero de aprendizaje automático y un científico de datos en Quora?
El clasificador Naive Bayes supone que el efecto de un predictor en el objetivo es independiente del efecto de algún otro predictor en el objetivo.
Realiza el clasificador Naive Bayes utilizando las tablas de frecuencias del conjunto de datos. Las probabilidades que obtienes de la clasificación de Naive Bayes en realidad no son la probabilidad sino la probabilidad. Por lo tanto, debe convertir la probabilidad en probabilidad de éxito y fracaso.
Después de eso, puede ser cual sea la probabilidad mayor, ese será el resultado de los valores predictores.
Después de realizar el clasificador Naive Bayes, puede utilizar la ganancia de información de Kononenko para averiguar qué predictores describen mejor su resultado.
Puedes entender fácilmente el algoritmo del video de youtube. Simplemente busque el algoritmo Naive Bayes y siga el video publicado por Nourridin Saddawi.
