Naive bayes

Naive bayes

나이브 베이즈 분류는 베이즈 정리를 적용한 확률 분류기의 일종으로 아주 옛날 모델이다.

나이브 베이즈는 분류기를 만들 수 있는 간단한 기술로써 단일 알고리즘을 통한 훈련이 아닌 여러 알고리즘을 이용하여 훈련된다.

나이브 베이즈의 장점
1. 지도학습 환경에서 매우 효율적으로 훈련되며 베이즈 확률론이나 베이지안 방법들을 이용하지 않고도 훈련이 가능하다.
2. 파라미터 추정을 위한 트레이닝 데이터의 양이 매우 적다.
3. 간단하고 단순한 모델이지만 잘 작동한다.

왜 나이브라고 부를까?

나이브 베이즈 모델은 feature들이 전부 서로 독립이라는 가정하에 진행되기 때문에 Naive(순진한)이라고 하며 당연히 많은 Task에 있어서 적용하기 힘든 경우가 많을 것 같다.