sorodni izrazi in sinonimi v sodobni slovenščini, hrvaščini in srbščini
Podobnost besed in fraz med rezultati je odvisna od tega, kolikokrat se beseda
ali fraza pojavi v podobnem stavčnem kontekstu kot "naivni bayes".
Podobni izrazi in sinonimi za
Kliknite za poizvedbo
Primeri iz korpusa
Korpus Common Crawl
Common Crawl je korpus spletnih strani
Preizkusili smo tri metode strojnega učenja, ki jih uporablja metoda stacking za meta-učenje, naivni Bayes, logistična regresija in metoda naključnih dreves.
Naivni Bayes se primarno uporablja za prepoznavanje nezaželenih e-poštnih sporočil (ang. spam) in ne za prepoznavo škodljivih e-poštnih sporočil.
Tudi naključni gozd je bil dober pri napovedovanju obeh razredov, vendar pri tem ni bil tako uspešen kot naivni Bayes.
Razvrščanje ij naivni Bayes-ov klasifikator : primere iz vsakega razreda najprej z nekim algoritmom razvrščanja ( rojenja ) razvrstimo v več podrazredov .
Najboljša metoda za združevanje je po naših testih metoda stacking z uporabo metode logistične regresije ali metode naivni Bayes.
Naivni Bayes-ov model je zasnovan na predpostavki neodvisnosti opazovanih spremenljivk (značilk), v primeru, ko je neopazovana spremenljivka znana.
Naivni Bayes je najslabši in odkrije le dobro polovico napak , pri čemer je pravilno napovedana le vsaka druga napaka .
Naivni Bayes je generativni model, saj modelira tudi skupno verjetnost dogodkov, iz katere lahko vzorčimo (generiramo) nove primere.
Naivni Bayes uporablja več besed iz kontekstne okolice večpomenske besede s predpostavko , da so besede med seboj neodvisne .
Naivni Bayes se v klasifikaciji osrednjega razreda obnese precej slabo , vendar je v klasifikaciji robnih razredov najboljši klasifikator .
Uporabili smo različne klasifikatorje : odločitvena drevesa , k - najbližjih sosedov , logistično regresijo , nevronske mreže , naivni Bayes in slučajne gozdove .
Naivni Bayes [2] oceni apriorno verjetnost in pogojno verjetnost razreda ob predpostavki, da so atributi pri danem razredu pogojno neodvisni.
Klasifikator naivni Bayes se je v primerjavi z ostalimi odrezal zelo dobro pri klasifikaciji razredov 1 in 3 , vendar je pri razredu 2 precej povprečen .
Čeprav pa vse implementirane različice dosežejo občutno višjo točnost kot algoritem naivni Bayes na podatkovni množici segmentation.
Naivni Bayes je preprosta in hitra metoda, dobro se odreže tudi pri problemih z več ciljnimi razredi.
Na podatkovni množici lymphography doseže malo manjšo točnost kot naključni gozdovi ali naivni Bayes v paketu scikit.
Za izračun takšnega modela smo uporabili klasifikacijske algoritme : odločitvena drevesa , nevronske mreže , naivni Bayes in logistična regresija .
Pri tem smo uporabili naivni Bayes-ov model, ki smo ga razširili s prvinami nenadzorovanega učenja.
Nekateri modeli strojnega učenja (npr. naivni Bayes, naključni gozd) se bolje obnesejo pri diskretno porazdeljenih podatkih.
Naivni Bayes-ov klasifikator predpostavlja vpliv vrednosti nekega atributa na klasifikacijo primerka neodvisno od ostalih atributov .