[필기] Naive bayes_머신러닝

확률의 개념 확률 : 특정한 사건이 일어날 가능성 조건부 확률 : 어떤 사건 A가 일어났을 때, 다른 사건 B가 일어날 확률 조건부 확률 곱셉 공식 조건부 독립 : 사건 C가 일어났을 때 서로 다른 사건 A,B가 독립일 때 독립 : 사건 A가 일어나는 것에 상관없이 사건 B가 일어날 확률이 일정할 때 베이즈 정리 EX) 다음과 같을 때 ?를 예측하자면 WIN이 된다.

한계점은 계산량이 너무 많다는 점이다. 그래서 조건부 독립을 가정하게 된다.

Naive Bayes 종속 변수(Y)가 주정졌을 때 입력 변수(X)들은 모두 조건부 독립니다. 예측 변수들의 정확한 조건부 확률은 각 조건부 확률으 ㅣ곱으로 충분히 잘 추정할 수 있다는 단순한 가정 그래서 데이터셋을 순진하게 믿는다의 의미로 Naive(순진한) Bayes다 EX) 출처 : 패스트캠퍼스 ?

값은 0으로 예측된다. 장점 변수가 많을 때 좋음 텍스트 데이터에서 큰 강점을 보임 단점 희귀한 확률이 나오면 처리하기 힘듦 조건부 독립이라는...