Naïve Bayes is widely used for clas

Naïve Bayes is widely used for classification in machine learning. Naïve Bayes also used for many classification problems because it is simpler and gives better accuracy than other supervised learning methods [5].
Naïve Bayes is a simple probabilistic classifier that learns from training data and then predicting the test instance class uses the highest posterior probability [12].
Let C be the random variable that denotes the class of an instance and let X (X1, X2,..., Xm) be a vector of random variables denoting the observed attribute values.
Let cj represent jth class label and let x (x1, x2, ... ,xm) represent a particular observed attribute value vector.
To predict the class of a test instance x, Bayes theorem used to compute the probability as follows:

ผลลัพธ์ (ไทย) 1:

Bayes หน่อมแน้มใช้ในเรียนรู้ของเครื่อง Bayes หน่อมแน้มยังใช้สำหรับปัญหาประเภทต่าง ๆ เพราะมันทำได้ง่ายขึ้น และให้ความแม่นยำกว่าวิธีการเรียนรู้ดูแลอื่น ๆ [5] Bayes หน่อมแน้มเป็นลักษณนาม probabilistic การง่ายที่เรียนรู้จากข้อมูลการฝึกอบรม และทำนายการทดสอบอินสแตนซ์คลาใช้น่าเป็นหลังสูงสุด [12] ให้ C เป็นตัวแปรสุ่มที่แสดงถึงระดับของอินสแตนซ์ให้ X (X 1, X 2,..., Xm) เป็นเวกเตอร์ของตัวแปรสุ่มที่แสดงค่าแอตทริบิวต์ที่สังเกต ป้ายชื่อคลาส jth เป็น cj ให้และให้ x (x 1, x 2,..., xm) แทนเวกเตอร์ค่าแอททริบิวต์เฉพาะที่สังเกต การคาดการณ์ระดับของอินสแตนซ์ทดสอบ x, Bayes ทฤษฎีบทที่ใช้ในการคำนวณความน่าเป็นดังนี้:

ผลลัพธ์ (ไทย) 2:

ไร้เดียงสา Bayes ถูกนำมาใช้กันอย่างแพร่หลายสำหรับการจัดหมวดหมู่ในการเรียนรู้ของเครื่อง ไร้เดียงสา Bayes ยังใช้สำหรับปัญหาการจัดหมวดหมู่จำนวนมากเพราะมันเป็นเรื่องง่ายและให้ความถูกต้องดีกว่าวิธีการเรียนรู้ภายใต้การดูแลอื่น ๆ [5].
ไร้เดียงสา Bayes เป็นลักษณนามความน่าจะเป็นที่เรียบง่ายที่เรียนรู้จากข้อมูลการฝึกอบรมแล้วทำนายระดับเช่นการทดสอบการใช้หลังน่าจะเป็นสูงสุด [ 12].
ให้ C เป็นตัวแปรสุ่มที่หมายถึงระดับของอินสแตนซ์และปล่อยให้ X (X1, X2, ... , Xm) เป็นเวกเตอร์ของตัวแปรสุ่มแสดงถึงค่าแอตทริบิวต์สังเกต.
ให้ CJ แทนฉลาก CLASS jth และปล่อยให้ x (X1, X2, ... , XM) เป็นตัวแทนโดยเฉพาะอย่างยิ่งสังเกตเวกเตอร์ค่าแอตทริบิวต์.
การคาดการณ์ระดับของการทดสอบเช่น x, Bayes ทฤษฎีบทใช้ในการคำนวณความน่าจะเป็นดังต่อไปนี้: