データマイニングでベイズ分類を学ぶ[2022]

しばらくの間データマイニングを研究しているなら、「ベイズ分類」という用語を聞いたことがあるはずです。 それが何を意味し、データマイニングの概念としてどれほど重要か疑問に思いますか？

この記事では、データマイニングにおけるベイズ分類とは何かを探求しながら、これらの質問に答えます。 さぁ、始めよう：

ベイズ分類とは何ですか？

データマイニング中に、クラス変数と属性セットの間の接続が非決定論的であることがわかります。 つまり、属性セットがトレーニングの例と同じであっても、テストレコードのクラスラベルを確実に想定することはできません。

これは、特定の影響要因またはノイズの多いデータが存在するために発生する可能性があります。 食生活に応じて、心臓病のリスクがあるかどうかを予測したいとします。 人の食生活は心臓の問題に苦しむかどうかを決定する大きな要因ですが、遺伝学や感染症など、同じことが発生する他の理由もあります。

したがって、その人が食生活だけに基づいて心臓病のリスクがあるかどうかを判断する際の分析には欠陥があり、複数の問題が発生する可能性があります。

次に、「データマイニングでこの問題をどのように解決しますか？」という質問が発生します。 答えはベイズ分類です。

データマイニングでベイズ分類を使用して、この問題に取り組み、イベントの発生を予測できます。 ベイズ分類器は、ベイズ確率の理解を使用した統計的分類器で構成されます。

データマイニングにおけるベイズ分類の仕組みを理解するには、ベイズの定理から始める必要があります。

ベイズの定理

ベイズの定理の功績は、条件付き確率を使用して、未知のパラメーターの制限を計算するための証拠を利用するアルゴリズムを作成したトーマスベイズにあります。 彼はこの解決策を思いついた最初の人でした。

数学的には、ベイズの定理は次のようになります。

P（A / B）= P（B / A）P（A） P（B）

ここで、AとBはイベントを表し、P（B）をゼロに等しくすることはできません。

P（B） 0

P（B / A）は、Aが真の場合にイベントBが発生することを説明する条件付き確率です。 同様に、P（A / B）は、Bが真の場合のイベントAの発生を説明する条件付き確率です。

P（B）とP（A）は、BとAを独立して観測する確率であり、周辺確率と呼ばれます。

ベイズ解釈

ベイズの解釈では、確率は信念の程度を計算します。 ベイズの定理によれば、証拠を検討する前の仮説の信念の程度は、同じことを検討した後の仮説の信念の程度に関連しています。

あなたがコインを持っているとしましょう。 コインを1回投げると、表または裏のどちらかが得られ、両方が発生する確率は50％です。 ただし、コインを数回ひっくり返して結果を観察すると、結果に基づいて信念の程度が増加、減少、または安定したままになる可能性があります。

命題Aと証拠Bがある場合、次のようになります。

P（A）はAの主要な信念度です。P（A / B）はBを考慮した後の信念度です。商P（B / A）/ P（B）は、BがAに対して提供するサポートを示します。 。

条件付き確率からベイズの定理を導き出すことができます。

P（A / B）= P（A B） P（B） 、P（B） 0の場合

P（B / A）= P（B A） P（A） 、P（A） 0の場合

ここで、 P（A B）は、AとBの両方が真である同時確率です。理由は次のとおりです。

P（B A）= P（A B）

または、P（A B）= P（ A B ）P（B）= P（ B A ）P（A）

または、P（ A B ）= P（ B A ）P（A） P（B） 、IF P（B） 0

ベイジアンネットワーク

ベイジアンネットワーク（信念ネットワークとも呼ばれます）を使用して、DAG（有向非巡回グラフ）を通じて不確実性を示します。 有向非巡回グラフは、他の統計グラフと同様にベイジアンネットワークを示します。 これには、ノードとリンクのグループが含まれ、リンクはそれぞれのノード間の接続を示します。

有向非巡回グラフのすべてのノードは確率変数を表します。 変数は連続値または離散値にすることができ、データに与えられた実際の属性に対応する場合があります。

ベイジアンネットワークを使用すると、変数サブセット間でクラスの条件付き独立性を定義できます。 これにより、実装を実行する関係のグラフィカルモデルが得られます。

DAGとは別に、ベイジアンネットワークには条件付き確率テーブルのセットもあります。

結論

ここまでで、データマイニングにおけるベイズ分類の基本に精通している必要があります。 データマイニング実装のアプリケーションの背後にある定理を理解することは、進歩を遂げるために不可欠です。

データマイニングにおけるベイズ分類についてどう思いますか？ 実装してみましたか？ コメントであなたの答えを共有してください。 あなたからの御一報をお待ちしています。

データサイエンスについて知りたい場合は、IIIT-BとupGradのデータサイエンスのPGディプロマをチェックしてください。これは、働く専門家向けに作成され、10以上のケーススタディとプロジェクト、実践的なハンズオンワークショップ、業界の専門家とのメンターシップ、1- on-1業界のメンター、400時間以上の学習、トップ企業との仕事の支援。