2016-7-10_7-17-43_No-00

データ解析の手順』における「5.回帰モデルもしくはクラス分類モデルを作る」についてです。なお実行するためのプログラムについてはこちらをご覧ください。

公開中のプログラム・コード一覧(実用的かつ実践的なデータ解析・機械学習・データマイニング) : 大学教授のブログ

[New] ナイーブベイズのプログラムを簡単に入手できるようになりました!

それぞれのURLからお求めください!

MATLAB: https://spike.cc/shop/univprof/products/OGPh6UrF

R: https://spike.cc/shop/univprof/products/bnZ5Fgnn

Python: https://spike.cc/shop/univprof/products/8boJQj7u

単純ベイズ (Naïve Bayes, NB) 分類器

単純ベイズ (Naïve Bayes, NB) 分類器によりクラス分類モデルを構築できます。ただ、LDASVMなどの、新しいサンプルのデータを入力することでクラスを推定する識別関数とは異なります。NBはサンプルのデータがどのような分布から生成されたのかモデル化して、それに基いて新しいサンプルのデータのクラスを識別します。このようなモデルを生成モデルと呼びます。NBは生成モデルの一つです。

NBでは説明変数間は独立しているという仮定がありますので注意してください。

NBは以下の手順で行われます。

  1. NB分類器を構築する
    P(x|y)の確率分布として、基本的には正規分布を仮定します。説明変数の値が0か1の二値のみであればベルヌーイ分布がよいです。
  2. 目的変数の計算値と実測値との間で混同行列を計算する
    必要に応じて混同行列から正解率・検出率・精度などを計算します。
  3. [新しいサンプルの推定をするとき] 上の 1. で得られたNB分類器により目的変数の推定値を計算する
    新しいサンプルをNB分類器に入力すると、各クラスである確率を出力します。もっとも確率の高いクラスを目的変数の推定値とします。

ご案内。

オススメ記事セレクション。

twitterでも発信中。

フォローしていただけると嬉しいです。


無料メルマガでブログにない情報を配信中。

無料メルマガの登録はこちら