Naive Bayes este o familie de metode simple de clasificare bazate pe teorema lui Bayes. Se numesc „naive” deoarece presupun că toate caracteristicile sunt independente unele de altele, ceea ce rareori este adevărat în practică, dar produce adesea rezultate bune. Metodele sunt rapide, au nevoie de puține date de antrenare și se potrivesc în mod deosebit textelor. Un exemplu clasic este filtrul de spam, care sortează e-mailurile pe baza cuvintelor tipice.
Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.
Porniți demo-ulUn clasificator este un model sau o metodă care atribuie intrările uneia dintre mai multe categorii predefinite. Variantele clasice, precum arborii de decizie sau naive Bayes, sunt antrenate pe exemple etichetate; modelele lingvistice pot sorta texte și pe baza unei descrieri a categoriilor. Utilizări tipice sunt detectarea spamului, sortarea solicitărilor clienților pe teme și categorisirea bonurilor. Calitatea se măsoară cu metrici precum acuratețea, precizia și recall-ul.
Clasificarea textelor atribuie automat texte unor categorii predefinite, de exemplu e-mailuri după tipul solicitării, recenzii după sentiment sau documente după temă. Anterior, aceasta presupunea antrenarea unor modele dedicate pe exemple etichetate; astăzi, modelele lingvistice de mari dimensiuni pot adesea atribui categorii doar pe baza unei descrieri. Astfel, solicitările pot fi presortate și direcționate mai rapid către echipa potrivită.
Regresia logistică este o metodă statistică ce prezice probabilitatea uneia dintre două rezultate, precum „cumpără” sau „nu cumpără”. Ponderează caracteristicile de intrare și convertește suma lor într-o valoare între 0 și 1 cu ajutorul unei funcții în formă de S. Deoarece ponderile sunt ușor de interpretat, este larg folosită în scoringul de credit, în medicină și în marketing, adesea ca un punct de referință solid pentru modele mai complexe.
Rețelele bayesiene sunt modele grafice care reprezintă variabilele ca noduri și dependențele lor probabilistice ca săgeți orientate. Folosind teorema lui Bayes, acestea arată cum modifică observațiile noi probabilitatea altor evenimente. Un exemplu este sprijinul pentru diagnostic: estimarea celei mai probabile cauze pe baza simptomelor observate. Punctele lor forte sunt transparența și capacitatea de a gestiona date incerte sau incomplete.
