چرا Naive Bayes «سادهلوح» نامیده میشود؟

فرض استقلال تقریباً همیشه غلط است ولی مدل باز هم خوب کار میکند!

کدام نوع Naive Bayes برای دستهبندی متن مناسب است؟

MultinomialNB برای شمارش کلمات (فراوانی) طراحی شده است.

P(کلاس|ویژگیها) با قضیه بیز از P(ویژگیها|کلاس) محاسبه میشود.

NB فوقالعاده سریع است و حتی با داده کم خوب کار میکند — خط پایه عالی.

آموزش Naive Bayes: قضیه بیز، فرض استقلال ویژگی‌ها، انواع و کاربرد در متن

دسته‌بندی مبتنی بر قضیه بیز از نظریه احتمال:

P(کلاس | ویژگی‌ها) = P(ویژگی‌ها | کلاس) × P(کلاس) / P(ویژگی‌ها)

یعنی: «با دیدن این ویژگی‌ها، احتمال هر کلاس چقدر است؟» کلاسی با بیشترین احتمال انتخاب می‌شود.

چون فرض می‌کند ویژگی‌ها مستقل از هم‌اند! این فرض تقریباً همیشه غلط است (متراژ و قیمت خانه مستقل نیستند!) ولی مدل باز هم شگفت‌آور خوب کار می‌کند.

اگر کلمه «جایزه» در ایمیل است:

from sklearn.naive_bayes import GaussianNB

model = GaussianNB()
model.fit(X_train, y_train)
probs = model.predict_proba(X_test)

مزایا	معایب
فوق‌العاده سریع	فرض استقلال غالباً غلط
با داده کم هم کار می‌کند	تخمین احتمال خام ضعیف
عالی برای متن و دسته‌بندی	ویژگی‌های همبسته را بد مدیریت می‌کند

برای دسته‌بندی متن (اخبار، نظرات، اسپم)، MultinomialNB نقطه شروع کلاسیک و سریع است.

این مبحث بخشی از دوره آموزش کامل ماشین لرنینگ است.