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.




