Machine learningMachine learning

نِیْو بِیْز مُنَظَّم (Regularized Naive Bayes)

نِیْو بِیْز مُنَظَّم، طبقه‌بند احتمالی کلاسیک نِیْو بِیْز را با اِعمالِ تَنْظِیم یا کَشیدَگیِ صَریح — که معمولاً اَضافه کردنِ اِسکال (Laplace smoothing) است — تکمیل می‌کند تا از تخمینِ احتمالاتِ صفر برای مقادیرِ دیده‌نشدهٔ ویژگی‌ها جلوگیری کرده و بیش‌برازش (overfitting) را کاهش دهد. نتیجه، طبقه‌بندی سریع و مقاوم است که به‌ویژه در داده‌های پراکنده یا پُربُعد مانند متن، بهتر از نِیْو بِیْزِ بدونِ اَعمالِ تَنْظِیم، تعمیم می‌یابد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

منابع

  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

نحوهٔ استناد به این صفحه

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

ارجاع‌شده در

ScholarGateRegularized Naive Bayes (Regularized Naive Bayes Classifier). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/machine-learning/regularized-naive-bayes · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026