Naive Bayes หรือที่รู้จักกันในชื่อ "ตัวแยกประเภท naive Bayes" หรือ "ตัวแยกประเภทแบบ Bayesian" เป็นอัลกอริทึมการเรียนรู้ของเครื่องประเภทหนึ่งที่ใช้สำหรับการจำแนกและการทำนาย มันขึ้นอยู่กับการประยุกต์ใช้ทฤษฎีบทของ Bayes กับสมมติฐานความเป็นอิสระที่แข็งแกร่ง (ไร้เดียงสา) ระหว่างคุณลักษณะต่างๆ กล่าวง่ายๆ ก็คือ ตัวแยกประเภท Naive Bayes จะถือว่าคุณลักษณะทั้งหมดในชุดข้อมูลไม่เกี่ยวข้องกัน ด้วยวิธีนี้ จึงสามารถระบุความน่าจะเป็นของการสังเกตที่เกิดขึ้นโดยคำนึงถึงความน่าจะเป็นส่วนบุคคลของแต่ละคุณลักษณะ
Naive Bayes มีข้อได้เปรียบที่สำคัญและแตกต่างสามประการเหนืออัลกอริธึมการจำแนกประเภทอื่นๆ ประการแรก มันง่ายและเข้าใจง่าย แม้สำหรับผู้ที่ไม่ใช่ผู้เชี่ยวชาญก็ตาม ประการที่สอง เร็วกว่า เร็วกว่า และมีประสิทธิภาพมากกว่าแมชชีนเลิร์นนิงอื่นๆ สุดท้ายนี้ ต้องการข้อมูลการฝึกอบรมเพียงเล็กน้อย จึงเป็นตัวเลือกที่ยอดเยี่ยมสำหรับแอปพลิเคชันแบบเรียลไทม์
การใช้งานทั่วไปของ Naive Bayes อยู่ในด้านการจำแนกข้อความ เช่น การกรองสแปม ในแอปพลิเคชันประเภทนี้ ตัวแยกประเภท Naive Bayes ได้รับการฝึกเกี่ยวกับชุดอีเมล โดยแต่ละอีเมลจะถูกระบุว่าเป็นสแปมหรือแฮม (ไม่ใช่สแปม) คำในอีเมลแต่ละฉบับจะถูกแปลงเป็นคุณลักษณะตัวเลข และความน่าจะเป็นที่อีเมลเป็นของแต่ละชั้นเรียนจะถูกคำนวณ ชั้นเรียนที่มีความน่าจะเป็นสูงสุดจะทำการทำนาย
นอกจากการจัดหมวดหมู่ข้อความแล้ว Naive Bayes ยังใช้สำหรับงานต่างๆ เช่น การทำนาย การวิเคราะห์ความรู้สึก และระบบการแนะนำอีกด้วย นอกจากนี้ยังมีประโยชน์ในการวินิจฉัยทางการแพทย์ โดยสามารถใช้เพื่อจำแนกผู้ป่วยตามอาการต่างๆ หรือเพื่อคาดการณ์ผลลัพธ์ของการรักษาที่กำหนดได้
Naive Bayes เป็นอัลกอริธึมการเรียนรู้ของเครื่องที่มีประสิทธิภาพและใช้งานง่าย ซึ่งใช้กันอย่างแพร่หลายทั้งในอุตสาหกรรมและสถาบันการศึกษา ความง่ายในการใช้งาน ความเร็ว และความแม่นยำ ทำให้เป็นตัวเลือกที่เหมาะสำหรับการใช้งานหลายๆ อย่าง
