ナイーブベイズ分類器とは？
ないーぶべいずぶんるいき
ナイーブベイズ分類器とは、ベイズの定理を使い各特徴量が独立という仮定のもとでクラスを確率的に予測する機械学習手法です。
ナイーブベイズ分類器（Naive Bayes Classifier）は、確率論のベイズの定理を基礎とした教師あり学習アルゴリズムです。「ナイーブ（単純）」という名称は、各特徴量（入力変数）がクラスに対して互いに独立であるという単純化仮定を置いていることに由来します。
分類の仕組みは、あるデータが各クラスに属する事後確率をベイズの定理で計算し、最も高い確率のクラスを予測として出力するものです。計算式は「事後確率 ∝ 事前確率 × 尤度」であり、各特徴量の尤度を独立と仮定して掛け合わせることで計算を単純化します。
データの種類に応じて複数の派生型があります。
- ガウシアンナイーブベイズ: 連続値特徴量に正規分布を仮定
- 多項ナイーブベイズ: 単語の出現頻度など離散カウントデータに使用
- ベルヌーイナイーブベイズ: 0/1の二値特徴量に使用
特徴量の独立仮定は現実には成立しないことが多いものの、テキスト分類では実用上高い精度が出ることが多く、スパムフィルタリング・ニュース記事カテゴリ分類などで長年使われてきました。学習・推論が非常に高速で実装が容易な点も利点です。
使い方・例文
メールのスパム判定では、件名や本文の単語の出現パターンを元にナイーブベイズ分類器がスパム確率を計算します。
この用語をシェア
最終更新: