나이브베이즈
- 스팸필터나 키워드 검색을 활용한 문서 분류에 사용되는 지도학습분류기
- 베이즈정리를 적용하여 데이터를 구성하는 각각의 요소들이 독립이라는 가정하에 입력 벡터를 분류하는 확률 모형
- 장점
1. 계산복잡성이 낮아 시간 소요가 짧다.
2. 메모리 용량을 크게 차지 하지 않는다.
3. 그럼에도 상당히 좋은 성능을 낸다. (SVM과도 경쟁할 만큼 우수한 분류 성능)
[참고]
https://brunch.co.kr/@crescent702/16
https://ratsgo.github.io/machine%20learning/2017/05/18/naive/
반응형
'Study-넘버웍스 (2017)' 카테고리의 다른 글
4주차_#1. 머신러닝과 통계의 차이 (0) | 2017.10.16 |
---|---|
3주차_#5. K-means의 대표적인 의미론적 단점은 무엇인가? (계산량이 많다는 것 말고) (0) | 2017.10.10 |
3주차_#4. 서버를 100대 가지고 있는 경우, 인공신경망보다 Random Forest를 써야하는 이유는? (0) | 2017.10.10 |
3주차_#2. 베이지안(Bayesian)과 프리퀀티스트(Frequentist) 간의 입장 차이 (4) | 2017.10.09 |
3주차_#1. 어떨 때 모수적 방법론을 쓸 수 있고, 어떨 때 비모수적 방법론을 쓸 수 있나요? (0) | 2017.10.09 |