Machine learningMachine learning

Naive Bayes Regularisasi

Naive Bayes Regularisasi memperkaya pengklasifikasi probabilistik Naive Bayes klasik dengan penghalusan (smoothing) atau penyusutan (shrinkage) eksplisit — yang paling umum adalah penghalusan Laplace (aditif) — untuk mencegah estimasi probabilitas nol untuk nilai fitur yang tidak terlihat dan untuk mengurangi *overfitting*. Hasilnya adalah pengklasifikasi yang cepat, kuat, dan memiliki generalisasi yang lebih baik daripada Naive Bayes tanpa penghalusan, terutama pada data yang jarang atau berdimensi tinggi seperti teks.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

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

Naive Bayes Regularisasi

Regresi Logistik Naive Bayes Regresi Logistik Teregul…Support Vector Machine T…Naive Bayes Robust

Sumber

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 ↗
Naive Bayes classifier. Wikipedia. link ↗

Cara menyitasi halaman ini

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

Regresi LogistikStatistika Penelitian↔ compare
Naive BayesPembelajaran Mesin↔ compare
Regresi Logistik TeregularisasiPembelajaran Mesin↔ compare
Support Vector Machine TeregulasiPembelajaran Mesin↔ compare

Compare side by side →

Dirujuk oleh

Naive Bayes Robust

Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →