الگوریتم مبتنی بر نظریه بیز (     (Bayes and Bayesian Networks

تئوری بیز یكی از روش های آماری برای رده بندی به شمار می آید. در این روش كلاس های مختلف، هر كدام به شكل یك فرضیه دارای احتمال در نظر گرفته می شوند. هر ركورد آموزشی جدید، احتمال درست بودن فرضیه های پیشین را افزایش و یا كاهش می دهد و در نهایت، فرضیاتی كه دارای بالاترین احتمال شوند، به عنوان یك كلاس در نظر گرفته شده و برچسبی بر آن ها زده می شود. این تكنیك با تركیب تئوری بیز و رابطه سببی بین داده ها، به طبقه بندی می پردازد. در زیر به ارائه یک مثال در مورد این تئوری می‌پردازیم.
فرض کنید A1 تا AK  ویژگی هایی با مقادیر گسسته هستند، این مقادیر برای پیش بینی یک کلاس گسستهC    استفاده می شوند.
- نمونه ای با مقادیر ویژگی مشاهده شده a1      تا     ak را در نظر بگیرید.
- هدف پیش بینی و انتخاب دسته ای که عبارت ذیل ما ماکزیمم کند.

 

- فرمول ساده بیز عبارت است از :

 

- با استفاده از فرمول و جایگزینی آن داریم :


     - در این فرمول P(C=c) به ساگی از داده های آموزش مدل قابل استخراج است.
- از طرفی با فرض استقلال داریم:

 

- فرض در بیز ساده این است که ویژگی ها به طور شرطی از هم مستقل هستند.
فرض می کنیم که برای یک دسته C همه ویژگی ها به طور شرطی از هم مستقل هستند و در نهایت به طور کلی فرض می کنیم:


مطالب مرتبط

شبکه‌های عصبی مصنوعی (Artificial Neural Networks )
ماشین بردار پشتیبان (Support Vector Machines)
درخت تصمیم ((Decision Trees
نزدیک‌ترین همسایهKNN) ) ( (K Nearest Neighbor

  • تهران
  • 09350579640-09124635768
  • 01152218786
  • این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید

فعالیت های اخیر

ارسال پیام

  Mail is not sent.   Your email has been sent.
Top