[解決済み】ナイーブベイズ分類の簡単な説明【終了しました

質問

Naive Bayesのプロセスがわかりにくいので、どなたか英語で簡単にステップバイステップで説明していただけませんか？発生した回数で比較を確率として取るのはわかるのですが、学習データと実際のデータセットがどう関係しているのかが全くわかりません。

トレーニングセットがどのような役割を果たすのか、解説をお願いします。ここでは果物、例えばバナナのような非常に簡単な例を挙げています。

training set---
round-red
round-orange
oblong-yellow
round-red

dataset----
round-red
round-orange
round-red
round-orange
oblong-yellow
round-red
round-orange
oblong-yellow
oblong-yellow
round-red

解決方法は？

1つは、Naive Bayesの分類器とランプについてもっとよく理解する必要があるということ、もう1つは、トレーニングセットに関する混乱です。

一般に機械学習アルゴリズムは、分類や予測などの教師あり学習や、クラスタリングのような教師なし学習のタスクのために学習させる必要があります。

学習ステップでは、アルゴリズムは特定の入力データセット（学習セット）で学習され、後に未知の入力（見たこともないもの）に対してテストを行い、その学習に基づいて分類や予測などを行います（教師あり学習の場合）。ニューラルネット、SVM、ベイズなどの機械学習技術のほとんどはこれに基づいている。

一般的な機械学習プロジェクトでは、基本的に入力セットを開発セット（トレーニングセット＋開発-テストセット）とテストセット（または評価セット）に分割する必要があります。基本的な目的は、開発セットまたはテストセットのどちらかで、システムが今まで見たことのない新しい入力を学習し、分類することであることを忘れないでください。

テストセットは通常、トレーニングセットと同じ形式をとります。しかし、テストセットは訓練コーパスと異なることが非常に重要です。 トレーニングセットをテストセットとして再利用した場合、新しい例に対する汎化方法を学習せずに、単に入力を記憶したモデルは、誤解を招くような高得点を得ることになります。

一般的には、例として、データの70％をトレーニングセットのケースとして使用することができます。また、元のセットをトレーニングセットとテストセットに分割することも忘れないようにしましょう ランダムに .

では、もうひとつの質問であるナイーブベイズについてです。

ナイーブベイズ分類の概念を示すために、次のような例を考えてみましょう。

このように、オブジェクトは次のいずれかに分類されます。 GREEN または RED . 私たちの仕事は、新しいケースが到着したら、それを分類すること、つまり、現在存在するオブジェクトに基づいて、どのクラスラベルに属するかを決定することである。

の2倍の数があるので GREEN オブジェクトと RED のメンバーである可能性は2倍と考えるのが妥当である。 GREEN よりも RED . ベイズ解析では、この確信が事前確率と呼ばれる。事前確率は、過去の経験、この場合は GREEN と RED オブジェクトであり、実際に起こる前に結果を予測するためによく使われる。

したがって、こう書くことができる。

の事前確率 GREEN : number of GREEN objects / total number of objects

の事前確率 RED : number of RED objects / total number of objects

があるので、合計で 60 オブジェクトを作成します。 40 のうち GREEN および20 RED となり、クラスメンバーシップの事前確率は次のようになります。

の事前確率 GREEN : 40 / 60

の事前確率 RED : 20 / 60

事前確率を定式化したことで、新しいオブジェクトを分類する準備が整いました ( WHITE 下図の○印）。オブジェクトはよくクラスタリングされているので、より多くの GREEN (または RED の近傍にあるものほど、その色に属している可能性が高い。この可能性を測定するために、我々はXの周りに、クラスラベルに関係なく点の数（先験的に選択される）を包含する円を描く。そして、円内の各クラス・ラベルに属する点の数を計算する。これより、尤度を計算する。

上記の図から、Likelihood of X 与えられた GREEN は、Likelihood of X 与えられた RED を包含するため、円は 1 GREEN オブジェクトと 3 RED のものです。このように

事前確率では X に属している可能性があります。 GREEN (の2倍あることを考えると）。 GREEN と比較して RED のクラスメンバーシップは、尤度がそうでないことを示している。 X は RED (もっとたくさんあることを考えると RED の近辺にあるオブジェクトを X より GREEN ). ベイズ解析では、いわゆるベイズの法則（Thomas Bayes 1702-1761にちなんで命名）を用いて、事前情報と尤度の両方の情報源を組み合わせて事後確率を形成することにより、最終的な分類がなされます。

最後に、Xを次のように分類します。 RED そのクラスメンバーシップは最大の事後確率を達成するため。