รู้เบื้องต้นเกี่ยวกับอัลกอริทึม Naive Bayes

โต๊ะ:

• บทนำ

• ความน่าจะเป็นแบบมีเงื่อนไข

• การจัดหมวดหมู่ไร้เดียงสาเบย์

• ข้อดีและข้อจำกัดของอัลกอริทึมนี้

• ออกกำลังกาย

• โซลูชั่น

บทนำ

Naive Bayes เป็นอัลกอริธึมการเรียนรู้ของเครื่องจำแนกประเภทซึ่งอิงตามทฤษฎีบทของ Bayes มีประสิทธิภาพมากโดยเฉพาะอย่างยิ่งเมื่อต้องจัดการกับข้อมูลที่เป็นข้อความ เช่น การวิเคราะห์ความรู้สึก การตรวจจับสแปม และการจัดประเภทข้อความ

อัลกอริทึมนี้เรียกว่า "ไร้เดียงสา" เนื่องจากการสันนิษฐานว่าตัวแปรชุดข้อมูลทั้งหมดมีความเป็นอิสระ ซึ่งไม่ได้เป็นเช่นนั้นเสมอไป

ก่อนที่จะอธิบายเพิ่มเติมว่า Naive bayes ทำงานอย่างไร เราต้องแน่ใจว่าเราเข้าใจสิ่งต่อไปนี้:

ความน่าจะเป็นแบบมีเงื่อนไข

อัลกอริธึม Naive Bayes ขึ้นอยู่กับทฤษฎีบทของ Bayes ซึ่งก่อตั้งขึ้นจากความน่าจะเป็นแบบมีเงื่อนไข นั่นคือความน่าจะเป็นที่เหตุการณ์ A จะเกิดขึ้น โดยพิจารณาว่าเหตุการณ์ B ได้เกิดขึ้นแล้ว

ตัวอย่าง:

ให้มีขวดสองใบที่มีลูกบอลสี:

• โถที่ 1 มีลูกบอลสีน้ำเงิน 3 ลูก สีแดง 2 ลูก และสีเขียว 4 ลูก

• โถที่ 2 มีลูกบอลสีน้ำเงิน 1 ลูก สีแดง 4 ลูก และสีเขียว 3 ลูก

เราต้องการคำนวณความน่าจะเป็นในการสุ่มเลือกลูกบอลสีน้ำเงินจากขวดโหลใบใดใบหนึ่ง

ไม่ใช่อะไรอื่นนอกจากผลรวมของความน่าจะเป็นในการเลือกลูกบอลสีน้ำเงินจาก Jar1 หรือ Jar2

ตอนนี้ เราต้องการคำนวณความน่าจะเป็นในการเลือกลูกบอลสีน้ำเงินเนื่องจากเราเลือก Jar1:

สุดท้าย เราต้องการคำนวณความน่าจะเป็นในการเลือก Jar1 เนื่องจากเราสุ่มลูกบอลสีน้ำเงิน ที่นี่เราใช้ทฤษฎีบทของเบย์ซึ่งระบุไว้ดังต่อไปนี้:

การจำแนกประเภทไร้เดียงสาเบย์

ในลักษณนาม Naive Bayes เราต้องการค้นหาคลาสที่เพิ่มความน่าจะเป็นแบบมีเงื่อนไขให้สูงสุดโดยกำหนดเวกเตอร์อินพุต X ดังนั้น Naive Bayes สามารถกำหนดได้ดังนี้:

เมื่อใช้ทฤษฎีบทเบย์ ฟังก์ชันจะกลายเป็น:

ในสูตรนี้ ง่ายต่อการคำนวณ P(Ci) ซึ่งไม่ใช่สิ่งอื่นใดนอกจากความน่าจะเป็นของคลาส Ci และง่ายต่อการคำนวณ P(x) ซึ่งเป็นความน่าจะเป็นของเหตุการณ์ x ที่เกิดขึ้น

สิ่งที่ยากในการคำนวณคือ P(x|Ci); ความน่าจะเป็นของเหตุการณ์ x เมื่อพิจารณาจากคลาส Ci เพื่อให้ง่ายขึ้น เราจำเป็นต้องถือว่าตัวแปรอินพุตทั้งหมดมีความเป็นอิสระ ดังนั้นเราสามารถเขียนได้:

และจริงๆ แล้วเป็นเพราะสมมติฐานนี้ที่เราเรียกตัวแยกประเภทนี้ว่า "ไร้เดียงสา" เนื่องจากเราไม่สามารถรับประกันความเป็นอิสระของตัวแปรอินพุตได้เสมอไป ตัวแยกประเภท Naive Bayes กลายเป็น:

ที่จริงแล้ว เราสามารถทำให้สูตรนี้ง่ายขึ้นได้อีกโดยการกำจัด P(x) เพราะมันเหมือนกันสำหรับทุกคลาส:

ตอนนี้เรามาดูตัวอย่างกัน:

• สภาพอากาศ | เวลา | วันในสัปดาห์ | อาหารเย็น |

---

• ล้าง | ค่ำ | สุดสัปดาห์ | พ่อครัว |

• มีเมฆมาก | กลางคืน | วันธรรมดา | คำสั่งซื้อ |

• ฝนตก | กลางคืน | วันธรรมดา | คำสั่งซื้อ |

• ฝนตก | เที่ยงวัน | วันธรรมดา | คำสั่งซื้อ |

• มีเมฆมาก | เที่ยงวัน | สุดสัปดาห์ | พ่อครัว |

• ล้าง | กลางคืน | สุดสัปดาห์ | พ่อครัว |

• เต็มไปด้วยหิมะ | ค่ำ | สุดสัปดาห์ | คำสั่งซื้อ |

• ล้าง | กลางคืน | วันธรรมดา | พ่อครัว |

• ล้าง | เที่ยงคืน | สุดสัปดาห์ | คำสั่งซื้อ |

ที่นี่ เรามีชุดข้อมูลขนาดเล็กที่มีตัวแปรอินพุต 3 ตัว ได้แก่ สภาพอากาศ เวลา และวันในสัปดาห์ และตัวแปรเป้าหมาย 1 ตัว ได้แก่ "อาหารค่ำ" ที่ระบุว่าบุคคลนั้นปรุงอาหารหรือสั่งอาหารเย็นของตน เราต้องการค้นหาคลาสของอินพุต x={Clear, Evening, Weekend}:

เราจำเป็นต้องคำนวณความน่าจะเป็นแบบมีเงื่อนไขสำหรับคลาส “Cooks” และคลาส “Orders” โดยให้อินพุต x={Clear, Evening, Weekend} คลาสที่ทำนายคือคลาสที่มีความน่าจะเป็นแบบมีเงื่อนไขสูงสุด

เราเริ่มต้นด้วยการคำนวณความน่าจะเป็นแบบมีเงื่อนไขของคลาส "Cooks":

ตอนนี้เราคำนวณความน่าจะเป็นแบบมีเงื่อนไขแต่ละรายการด้วยตัวมันเอง:

ความน่าจะเป็นของ weather=”Clear” โดยที่คลาสคือ “Cooks” คือจำนวนบรรทัดที่มีสภาพอากาศ “Clear” และคลาส “Cooks” มากกว่าจำนวนบรรทัดทั้งหมดที่มีคลาส “Cooks”

เช่นเดียวกับความน่าจะเป็นแบบมีเงื่อนไขอื่นๆ:

ตอนนี้สำหรับความน่าจะเป็น P(Cooks) มันคือจำนวนบรรทัดที่มีคลาส "Cooks" ต่อจำนวนบรรทัดทั้งหมด:

ตอนนี้เราคำนวณผลคูณของความน่าจะเป็นเหล่านี้:

นั่นคือสำหรับชั้นเรียน "Cooks" ตอนนี้เราต้องทำเช่นเดียวกันกับชั้นเรียน "Orders":

เราคำนวณความน่าจะเป็นส่วนบุคคล:

และในที่สุดเราก็คำนวณผลคูณของความน่าจะเป็น:

ในที่สุดเราก็เข้าชั้นเรียนที่มีความน่าจะเป็นสูงสุดซึ่งก็คือคลาส “Cooks”:

ข้อดีและข้อจำกัดของอัลกอริทึมนี้

ข้อดี:

• เป็นลักษณนามที่รวดเร็วมาก

• มันง่ายต่อการปฏิบัติ

• ไม่มีขั้นตอนการฝึกอบรม แต่เป็นเพียงการอนุมานเท่านั้น

• ไม่จำเป็นต้องมีข้อมูลจำนวนมากในการอนุมาน

ข้อจำกัด:

• Naive Bayes ถือว่าตัวแปรอินพุตมีความเป็นอิสระ ซึ่งไม่เป็นความจริงเสมอไป

• Naive Bayes ประสบปัญหาความถี่เป็นศูนย์ ซึ่งเป็นช่วงที่ตัวแปรอินพุตกำหนดความน่าจะเป็นเป็นศูนย์ นี่จะทำให้ความน่าจะเป็นแบบมีเงื่อนไขทั้งหมดเป็นศูนย์ P(C|x) เคล็ดลับประการหนึ่งเพื่อหลีกเลี่ยงปัญหานี้คือการใช้ความถี่ขั้นต่ำ 1 ( แทน 0 ) กับตัวแปรทั้งหมด

ออกกำลังกาย

นี่คือ dataframe ของชุดข้อมูลเดียวกันกับที่เราเคยเห็นในตัวอย่าง

งานของคุณคือนำ Naive Bayes ไปใช้ด้วยตัวเองโดยใช้ python:

import pandas as pd
dataset = pd.DataFrame()
dataset['Weather'] = ['Clear', 'Cloudy', 'Rainy', 'Rainy', 'Cloudy', 'Clear', 'Snowy', 'Clear', 'Clear']
dataset['Time'] = ['Evening', 'Night', 'Night', 'Midday', 'Midday', 'Night', 'Evening', 'Night', 'Midnight']
dataset['Day'] = ['Weekend', 'Weekday', 'Weekday', 'Weekday', 'Weekend', 'Weekend', 'Weekend', 'Weekday', 'Weekend']
dataset['Class'] = ['Cooks', 'Orders', 'Orders', 'Orders', 'Cooks', 'Cooks', 'Orders', 'Cooks', 'Orders']

def naive_bayes(weather, time, day):

# res_dict = {class1: probability of class 1, class1: probability of class 1
return res_dict

สารละลาย

def naive_bayes(x_weather, x_time, x_day):
  TARGET = 'Dinner' # The name of the target variable
  CLASSES = list(dataset['Dinner'].unique()) # The classes of the target variable
len_dataset = len(dataset) # The length of the dataset
res_dict = {} # res_dict = {class1:probability1, ..., class_n:probability_n}

# for each class of the target classes, we calculate the it's conditional probability
for class_name in CLASSES:
# the number of lines that belong to the class "class_name"
len_c  = len(dataset[ (dataset[TARGET] == class_name) ])

# the number of lines that belong to the class "class_name" and have weather="x_weather"
n_weather = len(dataset[ (dataset[TARGET] == class_name) & (dataset['Weather'] == x_weather) ])
# the number of lines that belong to the class "class_name" and have time="x_time"
n_time = len(dataset[ (dataset[TARGET] == class_name) & (dataset['Time'] == x_time) ])

# the number of lines that belong to the class "class_name" and have day="x_day"
n_day  = len(dataset[ (dataset[TARGET] == class_name) & (dataset['Day'] == x_day) ])

# We calculate the conditional probability:
# P(class|x) = P(weather|class) x P(time|class) x P(day|class) x P(class)
p = (n_weather / len_c) * (n_time / len_c) * (n_day / len_c) * (len_c / len_dataset)        res_dict[class_name] = p
return res_dict