Machine learningMachine learning

Κανονικοποιημένος Αφελής Bayes

Ο Κανονικοποιημένος Αφελής Bayes (Regularized Naive Bayes) ενισχύει τον κλασικό πιθανολογικό ταξινομητή Αφελής Bayes με ρητή εξομάλυνση ή συρρίκνωση — συνηθέστερα εξομάλυνση Laplace (προσθετική) — για να αποτρέψει εκτιμήσεις μηδενικής πιθανότητας για μη παρατηρούμενες τιμές χαρακτηριστικών και να μειώσει την υπερπροσαρμογή. Το αποτέλεσμα είναι ένας γρήγορος, στιβαρός ταξινομητής που γενικεύει καλύτερα από τον μη εξομαλυμένο Αφελής Bayes, ιδιαίτερα σε αραιά ή υψηλής διάστασης δεδομένα, όπως το κείμενο.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

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

Πηγές

  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

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Regularized Naive Bayes Classifier. ScholarGate. https://scholargate.app/el/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

Αναφέρεται από

ScholarGateRegularized Naive Bayes (Regularized Naive Bayes Classifier). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/regularized-naive-bayes · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026