Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Naïeve Bayes-classificator

Engels: Naive Bayes classifier · Ook wel: naive Bayes classifier, naïve Bayes classifier, naive Bayes, naïve Bayes

In het kort

Een naïeve Bayes-classificator is een eenvoudig model dat een voorbeeld op basis van kansen in een categorie indeelt. Het gebruikt de stelling van Bayes en telt daarbij elk kenmerk apart, alsof die kenmerken niets met elkaar te maken hebben. Een mailfilter kan zo inschatten of een nieuw bericht spam is, door de kans van elk woord apart mee te rekenen.

Waarom is dit belangrijk?

Met weinig voorbeelden kunnen computers een nieuw geval toch indelen in een bekende groep, zonder dat daarvoor veel rekenwerk nodig is. In de zorg wordt een naïeve Bayes-classificator gebruikt om veelvoorkomende infectieziekten tijdens een uitbraak van elkaar te onderscheiden. Patiënten en zorgverleners krijgen daarmee een eerste inschatting, maar de berekende kans kan te stellig uitvallen en een arts moet de uitkomst altijd controleren.

Zo werkt het in de praktijk

Een naïeve Bayes-classificator deelt documenten in op onderwerp of toon. In taalonderzoek schat het model of een recensie van een film of product positief of negatief is. Jurafsky en Martin gebruiken dat als voorbeeld van tekstclassificatie.

Onderzoek gaat over het indelen van documenten met dit model. Maron stelde het voor bij de RAND Corporation, om samenvattingen een onderwerp te geven. Rennie en collega's toonden later dat tf-idf, een weging voor woorden, het model dichter bij supportvectormachines brengt.

Onderzoek koppelt het model aan CRISP-DM, een vast stappenplan voor dataprojecten. Die stappen lopen van de vraag en de gegevens naar het trainen en de test. In scikit-learn hoort daar Laplace-smoothing bij, een correctie die een kans niet op nul zet.

Bron: en.wikipedia.org

Gecontroleerd op 5 november 2026