بايز الساذج
Naive Bayes
التعريف
مصنّف احتمالي يطبّق مبرهنة بايز مع افتراض «ساذج» بأن الخصائص مستقلة بعضها عن بعض داخل كل فئة.
الفكرة الأساسية
نحسب احتمال كل فئة بالنظر إلى الخصائص: P(فئة|x) ∝ P(فئة) × Π P(xᵢ|فئة)، ونختار الفئة الأعلى.
آلية العمل
- نقدّر الاحتمال المسبق لكل فئة
- نقدّر توزيع كل خاصية داخل كل فئة (Gaussian للرقمية، تكرارات للنصوص)
- نضرب الاحتمالات (عملياً نجمع لوغاريتماتها)
- نختار الفئة ذات الاحتمال الأكبر
نوع البيانات ونوع المشكلة
| نوع البيانات | نصوص (Bag of Words) وجدولية |
|---|---|
| نوع المشكلة | تصنيف |
المزايا
- سريع جداً ويعمل مع بيانات قليلة
- ممتاز كنقطة مرجعية لتصنيف النصوص
القيود
- افتراض الاستقلال نادراً ما يتحقق
- احتمالاته غير معايرة جيداً
المعاملات المهمة
- التنعيم Laplace smoothing
- نوع التوزيع: Gaussian أو Multinomial
مقاييس التقييم
- Accuracy الدقة
- Precision وRecall
- F1-score
- Confusion Matrix مصفوفة الالتباس
- ROC AUC للتصنيف الثنائي
الأدوات التي تدعمها
| Orange | Naive Bayes |
|---|---|
| KNIME | Naive Bayes Learner + Naive Bayes Predictor |
| WEKA | bayes.NaiveBayes و bayes.NaiveBayesMultinomial |
أمثلة تطبيقية
- تحليل المشاعر في مراجعات عربية
- تصنيف الأخبار حسب الموضوع
- فلترة البريد المزعج
