나이브 베이즈 분류기
나이브 베이즈 분류기이는 나이브 베이즈 분류에 기반한 조건부 확률 분류기입니다.
나이브 베이즈 분류기의 특징
나이브 베이즈는 분류기를 만드는 간단한 방법입니다. 이 모델은 유한한 집합에서 가져온 문제 인스턴스에 특징 값으로 표현되는 클래스 레이블을 할당합니다. 이러한 분류기를 훈련하기 위한 단일 알고리즘이 아니라, 동일한 원리에 기반한 일련의 알고리즘입니다. 모든 나이브 베이즈 분류기는 샘플 특징이 다른 특징과 상관관계가 없다고 가정합니다.
일부 유형의 확률 모델의 경우 지도 학습 샘플 세트에서 더 나은 분류 결과를 얻을 수 있지만 실제 응용 프로그램에서는 최대 우도 추정 방법이 나이브 베이즈 모델의 매개변수 추정에 사용됩니다. 즉, 나이브 베이즈 모델은 베이지안 확률 또는 베이지안 모델을 사용하지 않고도 여전히 유효합니다.
나이브 베이즈 분류기의 장점은 필요한 매개변수를 추정하는 데 적은 양의 학습 데이터만 필요하다는 것입니다. 변수의 독립성을 가정하므로 전체 공분산 행렬을 결정할 필요 없이 각 변수의 평균만 추정하면 됩니다.