Naïve Bayes algorithm
Naïve Bayes வழிமுறை என்பது மேற்பார்வையிடப்பட்ட கற்றல் வழிமுறையாகும், இது Bayes தேற்றத்தை அடிப்படையாகக் கொண்டு செயல்படுகிறது மற்றும் வகைப்பாடு சிக்கல் தீர்வுகளை தீர்வு காண பயன்படுகிறது. இது முக்கியமாக வாசக (text)வகைப்பாட்டில் பயன்படுத்தப்படுகிறது, இது உயர் பரிமாண பயிற்சி தரவுத்தொகுப்புகளை கொண்டுள்ளது. Naïve Bayes Classifier என்பது எளிய மற்றும் மிகவும் பயனுள்ள வகைப்பாடு வழிமுறைகளில் ஒன்றாகும்.
இது விரைவான கணிப்புகளைச் செய்யக்கூடிய வேகமான machine learning மாதிரிகளை உருவாக்க உதவிசெய்கிறது. இது ஒரு நிகழ்தகவு வகைப்படுத்தியாகும், அதாவது ஒரு பொருளின் நிகழ்தகவின் அடிப்படையில கணிக்கிறது. Naïve Bayes வழிமுறையின் சில பிரபலமான எடுத்துக்காட்டுகள் spam filtration, Sentimental analysis மற்றும் கட்டுரைகளை வகைப்படுத்துதல்.
Naïve Bayes என அழைக்கப்பட காரணம்:
Naïve Bayes வழிமுறை Naïve மற்றும் Bayes ஆகிய இரண்டு சொற்களைக் கொண்டுள்ளது.Naïve: இது ஒரு குறிப்பிட்ட அம்சத்தின் நிகழ்வு மற்ற அம்சங்களின் நிகழ்விலிருந்து சுயமானது என கருதுவதால் இது Naïve என அழைக்கப்படுகிறது.எடுத்துக்காட்டு பழம் நிறம், வடிவம் மற்றும் சுவை ஆகியவற்றின் அடிப்படையில் அடையாளம் காணப்பட்ட சிவப்பு நிற, கோள வடிவ மற்றும் இனிப்பு சுவையுடைய பழம் ஒரு ஆப்பிளாக அங்கீகரிக்கப்படுகிறது. எனவே ஒவ்வொரு அம்சமும் தனித்தனியாக ஒருவருக்கொருவர் சார்ந்து இல்லாமல் ஒரு ஆப்பிள் என்பதை அடையாளம் காண பங்களிக்கிறது.
Bayes : இது Bayes தேற்றத்தின் கொள்கையைப் பொறுத்தது என்பதால் இது Bayes என்று அழைக்கப்படுகிறது.Bayes தேற்றம்:முன் அறிவைக் கொண்ட ஒரு கருதுகோளின் நிகழ்தகவைத் தீர்மானிக்கப் பயன்படுகிறது. இது நிபந்தனை நிகழ்தகவைப் பொறுத்தது. இது Bayes விதி அல்லது Bayes சட்டம் என்றும் அழைக்கப்படுகிறது.
Naïve Bayes மாதிரியின் வகைகள்:
மூன்று வகைகள் உள்ளன அவைகள்
1)Gaussian: அம்சங்கள் ஒரு சாதாரண விநியோகத்தைப் பின்பற்றுகின்றன என Gaussian மாதிரி கருதுகிறது. இதன் பொருள், முன்னறிவிப்பாளர்கள் தனித்தன்மைக்கு பதிலாக தொடர்ச்சியான மதிப்புகளை எடுத்துக் கொண்டால், இந்த மதிப்புகள் Gaussian மாதிரியாக விநியோகத்திலிருந்து இருக்கும் என்று மாதிரி கருதுகிறது.
2)Multinomial:இது முதன்மையாக ஆவண வகைப்பாடு சிக்கல்களுக்குப் பயன்படுத்தப்படுகிறது, இதன் பொருள் ஒரு குறிப்பிட்ட ஆவணம் விளையாட்டு, அரசியல், கல்வி போன்ற எந்த வகையைச் சேர்ந்தது.வகைப்படுத்தி கணிப்பவர்களுக்கு சொற்களின் அதிர்வெண் பயன்படுத்துகிறது.
3) Bernoulli:Bernoulli வகைப்பாடு Multinomial வகைப்படுத்தியைப் போலவே செயல்படுகிறது, ஆனால் முன்கணிப்பு மாறிகள் ஒரு சுய Booleans variables. ஒரு குறிப்பிட்ட சொல் ஒரு ஆவணத்தில் இருக்கிறதா இல்லையா என்பதை போன்றது.
முடிவு:
It is used for Credit Scoring, medical data classification, real-time predictions, Text classification, Spam filtering and Sentiment analysis.
Comments
Crapersoft, well knowledged in Bigdata, datamining and iot working environment in coimbatore.
Replygot good website... with advanced technologies...
ReplyI have published my research paper to Scopus at short duration thanks to help of crapersoft.
Reply