Naive Bayes

مدل Naive Bayes بر پایه ی تئوری Bayes است. تئوری Bayes (بیز) یک تئوری معروف آمار و احتمال است.

https://en.wikipedia.org/wiki/Bayes%27_theorem

https://fa.wikipedia.org/wiki/%D9%82%D8%B6%DB%8C%D9%87_%D8%A8%DB%8C%D8%B2

در این دوره به سراغ ریاضیات تئوری Bayes نمیرویم و اگر به موضوع علاقه دارید لینک های بالا را مطالعه کنید. به صورت کلی در Naive Bayes هر ویژگی یا ستون مستقل دیده و محاسبه می شود.

الگوریتم های معروف کمی از Naive Bayes استفاده میکنند. GaussianNB یا Gaussian Naïve Bayes بررسی میکند که احتمال تاثیر یک ستون یا ویژگی Gaussian (گوسی) هست یا نه. موارد دیگری هم هستند که بد نیست در مورد تمام آنها مطالعه کنید:

• MultinomialNB
• ComplementNB

در مثال بعدی از GaussianNB استفاده خواهیم کرد.

اگر علاقه به ماشین لرنینگ یا دیتا پیدا کردید حتما بیشتر در مورد تمام موارد مطرح شده در این فصل و فصل قبلی مطالعه کنید! دنیای ماشین لرنینگ خیلی بزرگ تر از 2 فصل از دوره ی پایتون است!
دوره ی کارگاه یادگیری ماشین (Machine Learning) نیز برای ورود به دنیای یادگیری ماشین بسیار کامل و کاربردی است:
https://codingcogs.org/courses/machine-learning