Naive Bayes, còn được gọi là “bộ phân loại Bayes ngây thơ” hay “bộ phân loại Bayesian”, là một loại thuật toán học máy được sử dụng để phân loại và dự đoán. Nó dựa trên việc áp dụng định lý Bayes với các giả định độc lập mạnh mẽ (ngây thơ) giữa các đặc điểm. Nói một cách đơn giản, trình phân loại Naive Bayes giả định rằng tất cả các tính năng trong tập dữ liệu không liên quan đến nhau. Bằng cách này, nó có thể xác định xác suất xảy ra một quan sát bằng cách tính đến xác suất riêng lẻ của từng đặc điểm.
Naive Bayes có ba ưu điểm chính và khác biệt so với các thuật toán phân loại khác. Thứ nhất, nó đơn giản và dễ hiểu ngay cả đối với những người không phải là chuyên gia. Thứ hai, nó nhanh hơn, nhanh hơn và hiệu quả hơn các máy học khác. Cuối cùng, nó yêu cầu rất ít dữ liệu huấn luyện, khiến nó trở thành lựa chọn tuyệt vời cho các ứng dụng thời gian thực.
Ứng dụng phổ biến nhất của Naive Bayes là trong lĩnh vực phân loại văn bản, chẳng hạn như lọc thư rác. Trong loại ứng dụng này, bộ phân loại Naive Bayes được đào tạo trên một tập hợp email, trong đó mỗi email được gắn nhãn là thư rác hoặc ham (không phải thư rác). Các từ trong mỗi email được chuyển đổi thành các đặc điểm số và xác suất một email thuộc mỗi lớp được tính toán. Lớp có xác suất cao nhất sẽ hình thành dự đoán.
Ngoài việc phân loại văn bản, Naive Bayes có thể được sử dụng cho các nhiệm vụ như dự đoán, phân tích tình cảm và hệ thống đề xuất. Nó cũng hữu ích trong chẩn đoán y tế, trong đó nó có thể được sử dụng để phân loại bệnh nhân vào các tình trạng khác nhau hoặc dự đoán kết quả của một phương pháp điều trị nhất định.
Naive Bayes là một thuật toán học máy hiệu quả và dễ sử dụng, được sử dụng rộng rãi trong cả ngành công nghiệp và học viện. Tính dễ sử dụng, tốc độ và độ chính xác khiến nó trở thành lựa chọn lý tưởng cho nhiều ứng dụng.
