1. Introduction 나이브 베이즈 또는 나이브 베이즈 분류는 분류 문제에 베이즈 정리를 적용한 기법이다. 지식을 기반으로 결정하는 인간의 판단방법을 실제 기법으로 옮긴 듯한 방법이다. 나이브 베이즈는 데이터셋의 모든 특성 $x_i$가 다른 특성 $x_j$와 독립일 것이라는 순진한 가정을 한다. 2. Approach 나이브 베이즈의 가정에 의해 다음과 같은 조건부 확률이 성립한다. $$ P(x_i|x_j)=P(x_i)$$ 또한, 확률의 연쇄법칙 (Chain Rule)에 의해 확률밀도함수를 다음과 같은 조건부 확률의 곱으로 나타낼 수 있다. $P(x) = P(x_1,...,x_n)$ $=P(x_2,...,x_n|x_1)P(x_1)$ $= P(x_3,...,x_n|x_1,x_2)P(x_2|x_1)P(..
나이브 베이즈 (Naive Bayes)
1. Introduction 나이브 베이즈 또는 나이브 베이즈 분류는 분류 문제에 베이즈 정리를 적용한 기법이다. 지식을 기반으로 결정하는 인간의 판단방법을 실제 기법으로 옮긴 듯한 방법이다. 나이브 베이즈는 데이터셋의 모든 특성 $x_i$가 다른 특성 $x_j$와 독립일 것이라는 순진한 가정을 한다. 2. Approach 나이브 베이즈의 가정에 의해 다음과 같은 조건부 확률이 성립한다. $$ P(x_i|x_j)=P(x_i)$$ 또한, 확률의 연쇄법칙 (Chain Rule)에 의해 확률밀도함수를 다음과 같은 조건부 확률의 곱으로 나타낼 수 있다. $P(x) = P(x_1,...,x_n)$ $=P(x_2,...,x_n|x_1)P(x_1)$ $= P(x_3,...,x_n|x_1,x_2)P(x_2|x_1)P(..
2020.06.26
