3. 나이브 베이즈(Naive Bayes) 분류

1. 확률 (Probability)

-확률 이론 : 나이브 베이즈의 기초가 되는 이론

-사과 1개, 바나나 2개라면 내가 바나나를 집을 확률은 2/3이 되는 

 

-Conditional Probability (조건부 확률) : 어떠한 상황이 주어졌을 때, 그 상황 속에서 다른 상황이 일어날 확률

-조건부 확률의 두 가지 경우

(1) 서로의 경우가 영향을 미치지 않는 독립적인 케이스일 때

(2) 서로의 경우가 서로에게 영향을 미치는 종속적인 케이스일 때

-위의 두 가지 확률을 계산하는 방법이 다르다는 것을 인지해야함

(1) 의 경우 두 확률이 동시에 일어날 때 -> 두 확률을 단순히 곱해주면 값이 나옴

(2) 의 경우는 위와 같이 계산

 

 

2. 베이즈 정리 (Bayes' Theorem)

-이메일 10개가 와 있고, 3개의 스팸, 4개의 이메일에 'free'라는 단어가 적혀있음

-메일에 'free'라는 단어가 적혀있을 때 메일이 스팸인지 아닌지 구분하는 알고리즘

- 이렇게 'free'라는 단어를 하나 걸러내기 위해 이러한 공식을 사용하는 것은 터무니없이 비효율적이고 그냥 직관적으로도 보이기 때문에 필요성을 느끼지 못할 수도 있으나, 실제로 스팸 메일을 걸러내는 프로그램을 구성한다고 하면, 필터링 단어는 'free' 외에도 무수히 그 수가 많아지기 때문에 위와 같은 베이즈 이론을 적용하여 확률을 계산하는 것이 정확하고 이후의 효율성을 따져도 좋은 효과를 가져오게 된다

 

 

---

 

 

++ 베이즈 정리 참고 문헌

역사상 가장 중요한 통계학 이론 - 베이즈 정리(Bayes’ Theorem)의 정의와 의미 - 에이아이스쿨 (aischool.ai)

역사상 가장 중요한 통계학 이론 - 베이즈 정리(Bayes’ Theorem)의 정의와 의미 - 에이아이스쿨