Classificateur bayésien naïfIl s'agit d'un classificateur de probabilité conditionnelle basé sur la classification naïve de Bayes.

Caractéristiques du classificateur bayésien naïf

Naive Bayes est un moyen simple de construire un classificateur. Le modèle attribue des étiquettes de classe représentées par des valeurs de caractéristiques à des instances de problèmes, qui sont extraites d'un ensemble fini. Il ne s’agit pas d’un algorithme unique pour former un tel classificateur, mais d’une série d’algorithmes basés sur le même principe. Tous les classificateurs Naive Bayes supposent que les caractéristiques de l’échantillon ne sont pas corrélées avec d’autres caractéristiques.

Pour certains types de modèles de probabilité, de meilleurs résultats de classification peuvent être obtenus dans des ensembles d'échantillons d'apprentissage supervisé, mais dans les applications pratiques, la méthode d'estimation du maximum de vraisemblance est utilisée pour l'estimation des paramètres du modèle naïf de Bayes, c'est-à-dire que le modèle naïf de Bayes est toujours valable sans utiliser la probabilité bayésienne ou le modèle bayésien.

L’avantage du classificateur Naive Bayes est que seule une petite quantité de données d’entraînement est nécessaire pour estimer les paramètres nécessaires. En raison de l’hypothèse d’indépendance des variables, seules les moyennes de chaque variable doivent être estimées sans déterminer la matrice de covariance entière.

Mots apparentés : Bayes naïf, classificateur