머신러닝(파이썬) - Naive Bayes Classifier _Mini Project

교육 정보

• 교육 명: 경기미래기술학교 AI 교육
• 교육 기간: 2023.05.08 ~ 2023.10.31
• 오늘의 커리큘럼:
  파이썬 기반의 머신러닝 이해와 실습 (06/14~07/07)
• 강사: 양정은 강사님
• 강의 계획:
  1. 개발환경세팅 - IDE, 가상환경
  2. 인공지능을 위한 Python
  3. KNN 구현을 위한 NumPy
  4. K Nearest Neighbors Classification 구현
  5. K Means Clustering Mini-project
  6. Scikit-learn을 이용한 SVM의 학습
  7. Decision Tree의 개념
  8. ID3 Algorithm
  9. Impurity Metrics - Information Gain Ratio, Gini Index
  10. Decision Tree 구현
  11. 확률 기초
  12. Bayes 정리 예시
  13. Naive Bayes Classifier
  14. Gaussian Naive Bayes Classifier

Naive Bayes Classifier_Mini Project

Naive Bayes Classifier 구현하기

after_stock
      prior  likelihood  unnorm  posterior
spam   0.42    0.833333    0.35    0.76087
ham    0.58    0.189655    0.11    0.23913 

after_investment
      prior  likelihood  unnorm  posterior
spam   0.42    0.547619    0.23   0.425926
ham    0.58    0.534483    0.31   0.574074 

after_information
      prior  likelihood  unnorm  posterior
spam   0.42    0.452381    0.19   0.422222
ham    0.58    0.448276    0.26   0.577778 

after_3layer
         prior  likelihood    unnorm  posterior
spam  0.765259    0.452381  0.346189   0.766893
ham   0.234741    0.448276  0.105229   0.233107 

• 의견

  • stock 조건이 가장 스팸 메일 구분에 적합함
  • imvestement와 information조건은 likelihood가 너무 비슷해서 크게 도움이 되지 않는다고 보임
  • 3가지 조건 전부 이용한 경우가 가장 확률이 높아졌으나 stock의 영향이 압도적으로 큼

• LaTeX
  

Gaussian plot 그리기

• Plot Image
  

기타 사항 노션에 백업함