Machine learningMachine learning

مصنف بايز الساذج المُنتظم (Regularized Naive Bayes)

يعزز مصنف بايز الساذج المُنتظم مصنف بايز الساذج الاحتمالي الكلاسيكي بتسوية أو انكماش صريحين — غالبًا ما يكون تسوية لابلاس (الجمعية) — لمنع تقديرات الاحتمالية الصفرية لقيم الميزات غير المرئية وللحد من التجهيز الزائد (overfitting). والنتيجة هي مصنف سريع وقوي يعمم بشكل أفضل من مصنف بايز الساذج غير المُسوّى، خاصة على البيانات المتفرقة أو عالية الأبعاد مثل النصوص.

افتح في MethodMindقريبًافيديوقريبًاDownload slides

اقرأ الطريقة كاملة

للأعضاء فقط

سجّل الدخول بحساب مجاني لقراءة هذا القسم.

تسجيل الدخول

Method map

The neighbourhood of related methods — select a node to explore.

المصادر

  1. Rennie, J. D. M., Shih, L., Teevan, J., & Karger, D. R. (2003). Tackling the poor assumptions of Naive Bayes text classifiers. In Proceedings of the 20th International Conference on Machine Learning (ICML-2003), pp. 616–623. link
  2. Naive Bayes classifier. Wikipedia. link

كيف تستشهد بهذه الصفحة

ScholarGate. (2026, June 3). Regularized Naive Bayes Classifier. ScholarGate. https://scholargate.app/ar/machine-learning/regularized-naive-bayes

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

يُستشهد بها في

ScholarGateRegularized Naive Bayes (Regularized Naive Bayes Classifier). استُرجع بتاريخ 2026-06-15 من https://scholargate.app/ar/machine-learning/regularized-naive-bayes · مجموعة البيانات: https://doi.org/10.5281/zenodo.20539026