Naive Bayes

释义 Definition

朴素贝叶斯：一种基于贝叶斯定理的概率分类方法，核心假设是：在给定类别条件下，各个特征之间相互独立（这一假设往往不完全成立，但在很多任务中依然效果很好）。常用于文本分类、垃圾邮件识别、情感分析等。

发音 Pronunciation (IPA)

/naɪˈiːv beɪz/

例句 Examples

Naive Bayes is a simple algorithm for text classification.
朴素贝叶斯是一种用于文本分类的简单算法。

Although its independence assumption is often unrealistic, Naive Bayes can perform surprisingly well on high-dimensional data like word counts.
尽管它的独立性假设常常不够现实，朴素贝叶斯在词频这类高维数据上仍可能表现得出人意料地好。

词源 Etymology

“Naive”在这里指“朴素的/天真的”，强调模型做了一个很强的简化假设——特征条件独立；“Bayes”来自英国数学家与牧师托马斯·贝叶斯（Thomas Bayes），其思想与“贝叶斯定理”相关。整体名称意为“采用朴素独立假设的贝叶斯方法”。

相关词 Related Words

• Bayesian
• Bayes’ Theorem
• Classifier
• Probability
• Likelihood
• Prior
• Posterior
• Laplace Smoothing
• Logistic Regression
• Support Vector Machine

文学与著作中的用例 Notable Works

• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）
• Pattern Recognition and Machine Learning（Christopher M. Bishop）
• Speech and Language Processing（Jurafsky & Martin）
• Introduction to Information Retrieval（Manning, Raghavan, Schütze）
• Machine Learning（Tom M. Mitchell）