Naive Bayes، المعروف أيضًا باسم "مصنف Naive Bayes" أو "مصنف Bayesian"، هو نوع من خوارزمية التعلم الآلي المستخدمة للتصنيف والتنبؤ. يعتمد على تطبيق نظرية بايز مع افتراضات استقلالية قوية (ساذجة) بين الميزات. بعبارات بسيطة، يفترض مصنف Naive Bayes أن جميع الميزات الموجودة في مجموعات البيانات غير مرتبطة ببعضها البعض. وبهذه الطريقة، يكون قادرًا على تحديد احتمالية حدوث ملاحظة من خلال مراعاة الاحتمالات الفردية لكل ميزة.
يتمتع Naive Bayes بثلاث مزايا رئيسية ومتميزة مقارنة بخوارزميات التصنيف الأخرى. أولاً، إنها بسيطة وسهلة الفهم، حتى بالنسبة لغير الخبراء. ثانيًا، إنه أسرع وأسرع وأكثر كفاءة من متعلمي الآلة الآخرين. وأخيرًا، يتطلب القليل جدًا من بيانات التدريب، مما يجعله خيارًا رائعًا للتطبيقات في الوقت الفعلي.
التطبيق الأكثر شيوعًا لـ Naive Bayes هو في مجال تصنيف النصوص، كما هو الحال في تصفية البريد العشوائي. في هذا النوع من التطبيقات، يتم تدريب مُصنف Naive Bayes على مجموعة من رسائل البريد الإلكتروني، مع تصنيف كل بريد إلكتروني على أنه بريد عشوائي أو غير مرغوب فيه (وليس بريدًا عشوائيًا). يتم تحويل الكلمات الموجودة في كل بريد إلكتروني إلى ميزات رقمية ويتم حساب احتمالية انتماء البريد الإلكتروني إلى كل فئة. ثم يشكل الفصل ذو الاحتمالية الأعلى التنبؤ.
بالإضافة إلى تصنيف النص، يمكن استخدام Naive Bayes لمهام مثل التنبؤ وتحليل المشاعر وأنظمة التوصية. كما أنه مفيد في التشخيص الطبي، حيث يمكن استخدامه لتصنيف المرضى إلى حالات مختلفة أو للتنبؤ بنتائج علاج معين.
Naive Bayes هي خوارزمية تعلم آلي فعالة وسهلة الاستخدام تُستخدم على نطاق واسع في كل من الصناعة والأوساط الأكاديمية. إن سهولة الاستخدام والسرعة والدقة تجعله خيارًا مثاليًا للعديد من التطبيقات.
