เปรียบเทียบวิธี

	Naive Bayes แบบเรียนรู้ตนเอง	Naive Bayes
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2000	1997
ผู้ริเริ่ม	Nigam, K.; McCallum, A. K.; Thrun, S.; Mitchell, T.	Mitchell, T. M. (textbook treatment)
ประเภท	Self-supervised generative classifier	Probabilistic classifier (Bayes' theorem with conditional independence)
แหล่งต้นตำรับ	Nigam, K., McCallum, A. K., Thrun, S., & Mitchell, T. (2000). Text classification from labeled and unlabeled documents using EM. Machine Learning, 39(2-3), 103–134.	Mitchell, T. M. (1997). Machine Learning. McGraw-Hill. ISBN: 978-0070428072
ชื่อเรียกอื่น	Self-training Naive Bayes, EM Naive Bayes, Expectation-Maximization Naive Bayes, Pseudo-label Naive Bayes	Naive Bayes Sınıflandırıcı, naive bayes classifier, simple Bayes, Gaussian Naive Bayes
ที่เกี่ยวข้อง	5	4
สรุป	Self-supervised Naive Bayes extends the classic Naive Bayes classifier to exploit large pools of unlabeled data by iteratively assigning soft pseudo-labels through an Expectation-Maximization loop. Originally demonstrated for text classification by Nigam et al. (2000), the approach can substantially improve accuracy when labeled examples are scarce but unlabeled data are plentiful.	Naive Bayes is a fast probabilistic classifier that applies Bayes' theorem while assuming that the features are conditionally independent given the class — a method given its standard machine-learning treatment in Tom Mitchell's 1997 textbook Machine Learning. Despite this simplifying ('naive') assumption, it is quick to train and often surprisingly accurate.