|
===================================== 〔語彙分解〕的な部分一致の検索結果は以下の通りです。 ・ 単 : [ひとえ, たん] 【名詞】 1. one layer 2. single ・ 単純 : [たんじゅん] 1. (adj-na,n) simplicity ・ 純 : [じゅん] 1. (adj-na,n) pure 2. innocent 3. chaste ・ 分 : [ぶん, ふん] 1. (n,n-suf,pref) (1) part 2. segment 3. share 4. ration 5. (2) rate 6. (3) degree 7. one's lot 8. one's status 9. relation 10. duty 1 1. kind 12. lot 13. (4) in proportion to 14. just as much as 1 ・ 分類 : [ぶんるい] 1. (n,vs) classification 2. category ・ 器 : [うつわ] 【名詞】 1. (1) bowl 2. vessel 3. container 4. (2) ability 5. capacity 6. calibre 7. caliber
単純ベイズ分類器(たんじゅんベイズぶんるいき、)は、単純な確率的分類器である。 == 概要 == 単純ベイズ分類器の元となる確率モデルは強い(単純な)独立性仮定と共にベイズの定理を適用することに基づいており、より正確に言えば「独立特徴モデル; independent feature model」と呼ぶべきものである。 確率モデルの性質に基づいて、単純ベイズ分類器は教師あり学習の設定で効率的に訓練可能である。多くの実用例では、単純ベイズ分類器のパラメータ推定には最尤法が使われる。つまり、単純ベイズ分類器を使用するにあたって、ベイズ確率やその他のベイズ的手法を使う必要はない。 設計も仮定も非常に単純であるにも関わらず、単純ベイズ分類器は複雑な実世界の状況において、期待よりもずっとうまく働く。近頃、ベイズ分類問題の注意深い解析によって、単純ベイズ分類器の効率性に理論的理由があることが示された〔The Optimality of Naive Bayes Harry Shang〕。単純ベイズ分類器の利点は、分類に不可欠なパラメータ(変数群の平均と分散)を見積もるのに、訓練例データが少なくて済む点である。変数群は独立であると仮定されているため、各クラスについての変数の分散だけが必要であり、共分散行列全体は不要である。 抄文引用元・出典: フリー百科事典『 ウィキペディア(Wikipedia)』 ■ウィキペディアで「単純ベイズ分類器」の詳細全文を読む スポンサード リンク
|