AI 머신러닝 나이브베이즈 (NaiveBayes) 알고리즘 , 베이즈 정리, 조건부 확률, 나이브 가정, 활용 예시, 장단점

안녕하세요. 개발자 쪼맹 입니다. 오늘도 소소한 지식을 공유해보고자 합니다. 감사합니다. ^^ 오늘은 나이브 베이즈 (NaiveBayes) 를 알아보고자 합니다. 나이브 베이즈 분류는 조건부 확률 / 베이즈 정리를 이용하는 모델 입니다. 베이즈 정리를 통해서 분류를 할 수 있는 머신러닝 알고리즘 입니다. 나이브 베이즈 알고리즘은 아이템을 구분/분류 하는 모형 입니다. 학습 데이터의 독립 변수들이 서로 조건부독립 이라는 가정을 사용하는 알고리즘으로 이러한 가정을 나이브 베이즈 가정이라고 부릅니다. 나이브 베이즈 분류는 베이즈 정리에 기반한 통계적 분류 기법으로 단순한 지도 학습 알고리즘 이지만 대용량 데이터를 통해 훈련 및 예측하는 속도가 빠르고 정확도가 높은 분류 알고리즘 입니다. * 조건부 확률 (Conditional Probability) : P(A|B) , 사건 B가 일어났을 때 사건 A가 일어날 확률로, 특정 사건이 일어났다는 가정하에 다른 한 사건이 일어날 확률을 뜻 합니다...

원문링크 : AI 머신러닝 나이브베이즈 (NaiveBayes) 알고리즘 , 베이즈 정리, 조건부 확률, 나이브 가정, 활용 예시, 장단점