Définition - Que signifie Naive Bayes?
Un classificateur naïf de Bayes est un algorithme qui utilise le théorème de Bayes pour classer des objets. Les classificateurs Naive Bayes supposent une indépendance forte ou naïve entre les attributs des points de données. Les utilisations populaires des classificateurs Bayes naïfs incluent les filtres anti-spam, l'analyse de texte et le diagnostic médical. Ces classificateurs sont largement utilisés pour l'apprentissage automatique car ils sont simples à implémenter.
Naive Bayes est également connu sous le nom de Bayes simples ou Bayes d'indépendance.
Definir Tech explique Naive Bayes
Un classificateur naïf de Bayes utilise la théorie des probabilités pour classer les données. Les algorithmes de classification naïfs de Bayes utilisent le théorème de Bayes. Le point clé du théorème de Bayes est que la probabilité d'un événement peut être ajustée à mesure que de nouvelles données sont introduites.
Ce qui rend naïf un classificateur Bayes naïf, c'est son hypothèse selon laquelle tous les attributs d'un point de données considéré sont indépendants les uns des autres. Un classificateur triant les fruits en pommes et oranges saurait que les pommes sont rouges, rondes et d'une certaine taille, mais ne supposerait pas toutes ces choses à la fois. Les oranges sont rondes aussi, après tout.
Un classificateur naïf de Bayes n'est pas un algorithme unique, mais une famille d'algorithmes d'apprentissage automatique qui utilisent l'indépendance statistique. Ces algorithmes sont relativement faciles à écrire et à exécuter plus efficacement que les algorithmes Bayes plus complexes.
L'application la plus populaire est celle des filtres anti-spam. Un filtre anti-spam recherche certains mots clés dans les e-mails et les place dans un dossier spam s’ils correspondent.
Malgré le nom, plus il obtient de données, plus un classificateur Bayes naïf devient précis, par exemple à partir d'un utilisateur signalant des messages électroniques dans une boîte de réception comme spam.