ナイーブ ベイズを使用した分類モデリング

ナイーブ ベイズは、ロジスティック回帰モデルやデシジョン ツリー モデルと同様の分類モデリング手法です。

重要： このオペレーターのデータベース バージョンは非推奨となり、バージョン 6.1 で削除されました。ただし、それを置き換えるために、新しく改良された ナイーブ ベイズ オペレーターが作成されました。この新しいオペレーターを使用するには、古い ナイーブ ベイズ (データベース) オペレーターをワークフローから削除し、新しい ナイーブ ベイズ (DB) オペレーターに置き換える必要があります。Hadoop での ナイーブ ベイズのサポートは変更されません。詳細については、ナイーブ ベイズ (HD) を参照してください。

ナイーブ ベイズ モデルは、「はい」または「いいえ」などのカテゴリー または 2 値の結果を予測します。具体的には、TIBCO Data Science - Team Studio ナイーブ ベイズ オペレーターは、特定のイベントが発生する確率を計算します。これは、あるデータ ポイントが特定の分類に含まれる確率を予測するために使用できます。

使用例については、「ナイーブ ベイズの使用例」を参照してください。

ナイーブ ベイズの定理は、予測子または変数がすべて独立して結果に関連していると仮定します。たとえば、顧客の年齢に基づいて (顧客の収入、性別、その他の属性とは無関係に) 顧客がコンピュータを購入する確率を反映できます。

  • 独立性の仮定が真であることはほとんどないことを考えると、ナイーブ ベイズは驚くほど正確な分類器です。
  • この独立性の仮定により、ナイーブ ベイズ分類器は計算が軽量であるという追加の利点が得られ、より複雑な共分散行列ではなく、平均と分散の計算に小さなトレーニング セットのみが必要になります。
  • ナイーブ ベイズ分類法は、「次元の呪い」に直面した場合、他の分類法よりも特に役立ちます。つまり、予測変数、つまり独立変数の数が非常に多い場合です。
  • ナイーブ ベイズ モデリングの典型的な例には、スパム検出、生物学的分類、金融ローン予測などがあります。

要約すると、TIBCO Data Science - Team Studio ナイーブ ベイズ オペレーターは、解釈しやすい結果をもたらす高速で効果的な分類ツールを実装します。

代替モデル