İçeriğe geç
parazade
Yapay Zeka

Naive Bayes Nedir?

Yayın: · Son güncelleme:

Naive Bayes Nedir? Kısaca

Naive Bayes, Bayes teoremini kullanarak bir örneğin hangi sınıfa ait olma olasılığının en yüksek olduğunu hesaplayan ve özelliklerin sınıf bilindiğinde birbirinden bağımsız olduğunu varsayan basit ve hızlı bir sınıflandırma algoritmasıdır.

Naive Bayes nedir?
İçindekiler
  1. Naive Bayes nedir?
  2. Örnek
  3. Türleri ve dikkat edilecekler

Naive Bayes, olasılık hesabına dayanan bir sınıflandırma algoritmasıdır. Adındaki "naive" (saf, safça) kelimesi, gerçekte çoğu zaman doğru olmayan basitleştirici bir varsayımdan gelir: Özelliklerin, sınıf bilindiğinde birbirini etkilemediği kabul edilir.

Naive Bayes nedir?

Algoritma Bayes teoremi üzerine kuruludur. Her sınıf için şu soruyu sorar: "Bu özellikleri gördüğüme göre, örneğin bu sınıfa ait olma olasılığı nedir?" Hesap iki parçadan oluşur:

  • Önsel olasılık: Sınıfın veride ne kadar yaygın olduğu.
  • Olabilirlik: O sınıfta bu özelliklerin görülme olasılığı.

Bağımsızlık varsayımı sayesinde her özelliğin olasılığı ayrı ayrı hesaplanıp çarpılır. Bu da algoritmayı çok hızlı ve az veriyle bile çalışabilir kılar. En yüksek sonucu alan sınıf tahmin edilir.

Örnek

Varsayımsal bir spam filtresi düşün. Eğitim verisinde "kazandınız" kelimesi spam e-postaların çoğunda, normal e-postaların ise çok azında geçiyor. Yeni bir e-postada "kazandınız" ve "hemen tıklayın" ifadeleri varsa, model her kelimenin spam ve normal sınıflardaki olasılıklarını çarpar ve hangi sınıfın skoru yüksekse onu seçer.

Türleri ve dikkat edilecekler

  • Gauss Naive Bayes: Sürekli sayısal özellikler için.
  • Çok terimli (multinomial): Kelime sayıları gibi sayım verileri için; metin sınıflandırmada yaygındır.
  • Bernoulli: Var/yok biçimindeki ikili özellikler için.

Bağımsızlık varsayımı bozulduğunda bile sınıflandırma çoğu zaman iyi çalışır, ancak hesaplanan olasılıklar gerçekçi olmayabilir. Eğitimde hiç görülmemiş bir kelime olasılığı sıfıra çekebileceği için "Laplace yumuşatma" gibi düzeltmeler kullanılır.

Sıkça Sorulan Sorular

Naive Bayes neden 'naive' olarak adlandırılır?

Çünkü tüm özelliklerin sınıf bilindiğinde birbirinden bağımsız olduğunu varsayar. Bu gerçek hayatta nadiren tam doğrudur, ama hesabı çok basitleştirir.

Naive Bayes nerelerde kullanılır?

Spam filtreleme, duygu analizi ve konu sınıflandırma gibi metin problemlerinde sık kullanılır. Hızlı olduğu için güçlü bir başlangıç modeli olarak da tercih edilir.

İlgili terimler

Bayes Teoremi(Bayes' Theorem)Bayes teoremi, bir olayın olasılığının yeni bir kanıt ya da bilgi elde edildiğinde nasıl güncelleneceğini gösteren olasılık kuralıdır. Önsel olasılık, olabilirlik ve kanıtın olasılığını birleştirerek sonsal olasılığı hesaplar.Sınıflandırma(Classification)Sınıflandırma (classification), bir makine öğrenmesi modelinin her girdiyi önceden tanımlanmış kategorilerden (sınıflardan) birine ya da birkaçına atadığı denetimli öğrenme görevidir. Spam filtresi ve dolandırıcılık tespiti tipik örneklerdir.Spam Filtreleme(Spam Filtering)Spam filtreleme, istenmeyen toplu reklam, oltalama (phishing) ve zararlı bağlantı içeren e-posta ya da mesajları, kurallar ve makine öğrenmesi modelleriyle tespit edip gelen kutusundan ayıran sistemdir.Koşullu Olasılık(Conditional Probability)Koşullu olasılık, bir B olayının gerçekleştiği bilindiğinde başka bir A olayının gerçekleşme olasılığıdır ve P(A|B) ile gösterilir. P(A ve B) / P(B) formülüyle hesaplanır; Bayes teoremi ve pek çok makine öğrenmesi yönteminin temelidir.Algoritma(Algorithm)Algoritma, belirli bir problemi çözmek ya da bir görevi yerine getirmek için izlenen, sırası ve sonu belli, açık ve uygulanabilir adımlar dizisidir. Bilgisayar programları ve yapay zekâ sistemleri algoritmalar üzerine kuruludur.Önsel Olasılık(Prior Probability)Önsel olasılık (prior), yeni veri gözlemlenmeden önce bir olay ya da parametre hakkında sahip olunan olasılık inancıdır. Bayes teoreminde olabilirlikle birleştirilerek güncellenmiş sonsal olasılığı üretir.