Descending from the family of simpl

Descending from the family of simple probabilistic classifiers, Naive Bayes is a
popular method for text classification i.e. it judges the belonging of documents in their
respective categories (such as sports or politics, healthy or sick etc.) on the basis of word
frequencies as the features [48]. Based on the Bayesian theorem, this classifier assumes
the presence (or absence) of a particular feature of a class is unrelated to the presence (or
absence) of any other feature. For example, an orange is a fruit with distinctive features
of orange in color, round and about 4’ in diameter. Now irrespective of other features
present or the fact that these features may be dependent on each other, a Naive Bayes
classifier would consider all of these properties to independently contribute to the
probability that the given fruit is an orange. This type of classifier is henceforth useful in
medical diagnosis, since it would work very well with diseases showing similar
symptoms. Further, it is also capable of working well with a small amount of training
data to estimate the parameters (means and variances of the variables) necessary for
classification. Other advantages of using Naive Bayes classifier include its non-
sensitivity to irrelevant features, its capability to handle real, discrete and streaming data

ผลลัพธ์ (ไทย) 1:

จากจากครอบครัวของคำนามภาษา probabilistic ง่าย Bayes ไร้เดียงสาเป็นการวิธีที่นิยมสำหรับการจัดประเภทข้อความเช่นนั้นผู้พิพากษาเจ้าของเอกสารในการหมวดหมู่ที่เกี่ยวข้อง (เช่นกีฬาหรือการเมือง มีสุขภาพดี หรือเจ็บป่วยฯลฯ) ตามคำความถี่เป็นคุณสมบัติ [48] จากทฤษฎีบททฤษฎี ลักษณนามนี้อนุมานมี (หรือไม่) ของคุณลักษณะเฉพาะของคลาสที่ไม่เกี่ยวข้องกับการปรากฏตัว (หรือการขาดงาน) ของคุณลักษณะอื่น ๆ ลูกส้มอย่างผลไม้ที่ มีคุณสมบัติที่โดดเด่นสีส้มสี กลม และประมาณ 4' เส้นผ่านศูนย์กลาง ตอนนี้โดยไม่คำนึงถึงคุณสมบัติอื่น ๆปัจจุบันหรือความจริงที่ว่า คุณลักษณะเหล่านี้อาจขึ้นอยู่กับแต่ละอื่น ๆ Bayes ไร้เดียงสาลักษณนามจะพิจารณาทั้งหมดของคุณสมบัติเหล่านี้ได้อย่างอิสระร่วมกับน่าเป็นว่า ผลไม้ให้เป็นลูกส้ม จะต่อเป็นประโยชน์ในการจำแนกชนิดนี้วินิจฉัยทางการแพทย์ เพราะมันจะทำงานได้ดีกับโรคที่แสดงคล้ายอาการ ต่อไป ก็ยังสามารถทำงานด้วยการฝึกอบรมจำนวนเล็กน้อยข้อมูลการประมาณพารามิเตอร์ (วิธีการและผลต่างของตัวแปร) จำเป็นสำหรับการจัดประเภท อื่น ๆ ข้อดีของการใช้ลักษณนาม Bayes ไร้เดียงสามีความปลอด-ความไวคุณสมบัติเกี่ยวข้อง ความสามารถในการจัดการกับข้อมูลจริง แยก และสตรีมมิ่ง

ผลลัพธ์ (ไทย) 2:

ลงมาจากครอบครัวของลักษณนามความน่าจะเป็นที่เรียบง่ายไร้เดียงสา Bayes เป็น
วิธีที่นิยมสำหรับการจำแนกข้อความคือมันผู้พิพากษาที่เป็นเอกสารในของพวกเขา
แต่ละประเภท (เช่นการเล่นกีฬาหรือการเมืองที่มีสุขภาพดีหรือป่วย ฯลฯ ) บนพื้นฐานของคำว่า
ความถี่เป็น คุณลักษณะ [48] ขึ้นอยู่กับทฤษฎีบทคชกรรมลักษณนามนี้จะถือว่า
การแสดงตน (หรือไม่มี) ของคุณลักษณะเฉพาะของชั้นไม่เกี่ยวข้องกับการปรากฏตัว (หรือ
ขาด) คุณลักษณะอื่น ๆ ยกตัวอย่างเช่นสีส้มเป็นผลไม้ที่มีคุณสมบัติที่โดดเด่น
ของสีส้มกลมและประมาณ 4 'ในเส้นผ่าศูนย์กลาง ตอนนี้ไม่คำนึงถึงคุณสมบัติอื่น ๆ
ในปัจจุบันหรือความจริงที่ว่าคุณสมบัติเหล่านี้อาจจะขึ้นอยู่กับแต่ละอื่น ๆ ไร้เดียงสา Bayes
ลักษณนามจะพิจารณาทุกคุณสมบัติเหล่านี้เป็นอิสระนำไปสู่
​​ความน่าจะเป็นว่าผลไม้ให้เป็นสีส้ม ประเภทของการจําแนกนี้จะเป็นประโยชน์ต่อจากนี้ไปใน
การวินิจฉัยทางการแพทย์เพราะมันจะทำงานได้เป็นอย่างดีกับโรคที่คล้ายกันแสดง
อาการ นอกจากนี้ก็ยังมีความสามารถในการทำงานได้ดีมีจำนวนเล็ก ๆ ของการฝึกอบรม
ข้อมูลในการประมาณค่าพารามิเตอร์ (วิธีการและความแปรปรวนของตัวแปร) ที่จำเป็นสำหรับ
การจัดหมวดหมู่ ประโยชน์อื่น ๆ ของการใช้ Naive Bayes ลักษณนามรวมที่ไม่ใช่ของมัน
ไวต่อคุณลักษณะที่ไม่เกี่ยวข้องความสามารถในการจัดการจริงข้อมูลที่ไม่ต่อเนื่องและสตรีมมิ่ง

ผลลัพธ์ (ไทย) 3:

ลงจากครอบครัวของกลุ่มก้อน probabilistic ง่าย ไร้เดียงสา Bayes คือวิธีที่นิยมใช้สำหรับข้อความหมวดหมู่เช่นมันผู้พิพากษาของเอกสารของพวกเขาหมวดหมู่ที่เกี่ยวข้อง ( เช่นกีฬาหรือการเมือง สุขภาพ หรือ ป่วย ฯลฯ ) บนพื้นฐานของคำความถี่เป็นคุณสมบัติ [ 48 ] ตามทฤษฎีนี้อนุมานแบบเบย์การแสดง ( หรือขาด ) คุณลักษณะเฉพาะของชั้นไม่เกี่ยวข้องกับตน หรือขาด ) ใด ๆ คุณสมบัติอื่น ๆ . ตัวอย่างเช่น ส้มเป็นผลไม้ที่มีคุณสมบัติที่โดดเด่นของสีส้ม รอบประมาณ 4 " ในเส้นผ่าศูนย์กลาง ตอนนี้ไม่คุณลักษณะอื่น ๆปัจจุบัน หรือความจริงที่ว่าคุณสมบัติเหล่านี้อาจจะขึ้นอยู่กับแต่ละอื่น ๆ ไร้เดียงสา Bayesลักษณนามจะพิจารณาทุกคุณสมบัติเหล่านี้อย่างอิสระไปสู่ความน่าจะเป็นที่ได้รับผลไม้เป็นส้ม ลักษณนามของชนิดนี้ได้ประโยชน์ไปในการวินิจฉัยทางการแพทย์ เพราะมันจะทำงานได้ดีกับโรคแสดงคล้ายคลึงกันอาการ นอกจากนี้มันยังสามารถทำงานได้ดีกับจำนวนเล็ก ๆของการฝึกอบรมข้อมูล การประมาณค่าพารามิเตอร์ ( ค่าเฉลี่ยและความแปรปรวนของตัวแปร ) ที่จำเป็นสำหรับการจำแนกประเภท ข้อดีอื่น ๆของการใช้ Naive Bayes ลักษณนามรวมขององค์กรความไวต่อคุณลักษณะที่ไม่เกี่ยวข้อง , ความสามารถในการจัดการจริง , ไม่ต่อเนื่องและการสตรีมข้อมูล