🚀 Bist Du bereit für eine Karriere im Bereich Data? Finde es in nur 60 Sekunden heraus!

Logo site

Naive Bayes Klassifizierer: Theorie und Anwendung

-
4
 Minuten Lesezeit
-

Der Naive-Bayes-Klassifikator ist eine Klassifikationsmethode, die auf dem Bayes-Theorem basiert und davon ausgeht, dass die Prädiktoren voneinander unabhängig sind. Trotz seiner Einfachheit hat der Naive-Bayes-Klassifikator seine Effektivität in verschiedenen Anwendungsbereichen bewiesen, darunter Spam-Filterung, Sentiment-Analyse und Dokumentklassifikation.

Theorie des Naive-Bayes-Klassifikators

Der Naive-Bayes-Klassifikator basiert auf der Anwendung des Bayes-Theorems, das die Wahrscheinlichkeit eines Ereignisses beschreibt, basierend auf a priori bekannten Bedingungen, die mit dem Ereignis in Zusammenhang stehen. Die Formel des Bayes-Theorems lautet wie folgt:

P(A|B) = P(B|A) * P(A) / P(B)

wo:

  • P(A|B) die Wahrscheinlichkeit des Ereignisses A ist, gegeben, dass das Ereignis B wahr ist.
  • P(B|A) die Wahrscheinlichkeit des Ereignisses B ist, gegeben, dass das Ereignis A wahr ist.
  • P(A) und P(B) die a priori Wahrscheinlichkeiten der Ereignisse A und B sind.

Im Kontext der Klassifikation repräsentiert A eine spezifische Klasse und B eine Menge von Merkmalen (oder Attributen). Der Naive-Bayes-Klassifikator berechnet die Wahrscheinlichkeit, dass ein Beispiel einer gegebenen Klasse angehört, wobei angenommen wird, dass alle Merkmale voneinander unabhängig sind.

Typen von Naive-Bayes-Klassifikatoren

Gaussian Naive Bayes

Der Gaussian Naive Bayes-Klassifikator wird verwendet, wenn die Attribute kontinuierlich sind und einer Normalverteilung folgen. Dieser Klassifikator ist besonders nützlich in Kontexten, in denen kontinuierliche Variablen vorliegen und durch eine Gaußsche Verteilung modelliert werden können. Die zugrunde liegende Annahme ist, dass die Daten jeder Klasse gemäß einem Normalgesetz (oder Gaußgesetz) verteilt sind.

Formal ist, wenn wir eine kontinuierliche Variable x und eine Klasse c haben, die bedingte Wahrscheinlichkeit P(x|c) durch die Wahrscheinlichkeitsdichtefunktion der Normalverteilung gegeben:

P(x|c) = (1 / √(2πσ²_c)) * exp(- (x – μ_c)² / (2σ²_c))

wo μ_c der Mittelwert der Werte für die Klasse c und σ²_c die Varianz der Werte für die Klasse c ist. Der Gaussian Naive Bayes-Klassifikator wird oft in Anwendungen wie Formenerkennung und Bildklassifikation eingesetzt.

Beispiel

Angenommen, wir haben zwei Klassen c1 und c2 mit den folgenden Parametern:

  • Für c1: μ_c1 = 5 und σ²_c1 = 1
  • Für c2: μ_c2 = 10 und σ²_c2 = 2

Wenn wir eine neue Beobachtung x = 6 klassifizieren wollen, berechnen wir P(x|c1) und P(x|c2) und vergleichen diese Werte.

Multinomial Naive Bayes

Der Multinomial Naive Bayes-Klassifikator wird häufig zur Dokumentklassifikation verwendet, wenn die Daten Wortfrequenzen sind. Dieses Modell eignet sich gut für diskrete Daten wie Wortanzahl oder Ereignisse. Es nimmt an, dass die Merkmale einer multinomialen Verteilung folgen, was für Textklassifizierungsaufgaben geeignet ist, bei denen die Merkmale Vorkommen von Wörtern sind.

Formal wird die bedingte Wahrscheinlichkeit P(x|c) für ein Merkmal x und eine Klasse c durch folgende Formel gegeben:

P(x|c) = (n_x,c + α) / (N_c + αN)

wo n_x,c die Anzahl der Vorkommen des Wortes x in den Dokumenten der Klasse c, N_c die Gesamtzahl der Wörter in den Dokumenten der Klasse c, α ein Glättungsparameter von Laplace und N die Gesamtzahl der verschiedenen Wörter ist. Die Laplace-Glättung wird verwendet, um das Problem der null-Wahrscheinlichkeiten für Wörter zu lösen, die in den Trainingsdokumenten nicht vorkommen.

Beispiel

Angenommen, wir haben zwei Klassen, ‘sport’ und ‘politik’, und möchten das Wort ‘match’ klassifizieren. Wir haben die folgenden Zählungen:

  • ‘match’ erscheint 50 Mal in Dokumenten der Klasse ‘sport’ und 5 Mal in Dokumenten der Klasse ‘politik’.
  • Die Gesamtanzahl der Wörter in der Klasse ‘sport’ beträgt 1000 und in der Klasse ‘politik’ beträgt 800.

Mit einer Laplace-Glättung von α = 1 berechnen wir:

  • P(‘match’|’sport’) = (50 + 1) / (1000 + 1 * 1000)
  • P(‘match’|’politik’) = (5 + 1) / (800 + 1 * 1000)

Wir verwenden diese Wahrscheinlichkeiten, um ein neues Dokument zu klassifizieren, das das Wort ‘match’ enthält.

Bernoulli Naive Bayes

Der Bernoulli Naive Bayes-Klassifikator ist für binäre Variablen (Vorhandensein oder Nichtvorhandensein eines Merkmals) geeignet. Dieses Modell wird hauptsächlich für Textklassifizierungsaufgaben verwendet, bei denen die Merkmale binäre Indikatoren (0 oder 1) sind, die das Vorhandensein oder Nichtvorhandensein eines bestimmten Wortes darstellen.

In diesem Modell wird die bedingte Wahrscheinlichkeit P(x|c) in Abhängigkeit vom Vorhandensein oder Nichtvorhandensein des Merkmals berechnet:

P(x_i = 1 | c) = (n_i,c + α) / (N_c + 2α)

P(x_i = 0 | c) = 1 – P(x_i = 1 | c)

wo n_i,c die Anzahl der Dokumente der Klasse c ist, in denen das Merkmal x_i vorhanden ist, und N_c die Gesamtanzahl der Dokumente der Klasse c ist. Der Glättungsparameter α wird verwendet, um null-Wahrscheinlichkeiten zu vermeiden.

Beispiel

Angenommen, wir haben zwei Klassen, ‘spam’ und ‘non-spam’, und möchten das Auftreten des Wortes ‘gratis’ klassifizieren.

  • ‘gratis’ erscheint in 70 der 100 Dokumente der Klasse ‘spam’ und in 20 der 100 Dokumente der Klasse ‘non-spam’.

Mit einer Laplace-Glättung von α = 1 berechnen wir:

  • P(‘gratis’ = 1|’spam’) = (70 + 1) / (100 + 2 * 1)
  • P(‘gratis’ = 0|’spam’) = 1 – P(‘gratis’ = 1|’spam’)
  • P(‘gratis’ = 1|’non-spam’) = (20 + 1) / (100 + 2 * 1)
  • P(‘gratis’ = 0|’non-spam’) = 1 – P(‘gratis’ = 1|’non-spam’)

Wir verwenden diese Wahrscheinlichkeiten, um ein neues Dokument basierend auf dem Vorhandensein oder Nichtvorhandensein des Wortes ‘gratis’ zu klassifizieren.

Praktische Anwendungen

Der Naive-Bayes-Klassifikator wird in vielen Bereichen verwendet, darunter:

  • Spam-Filterung: Identifizierung von unerwünschten E-Mails. Unter Verwendung der Merkmale der E-Mail, wie der Häufigkeit bestimmter Wörter, kann der Naive-Bayes-Klassifikator die Wahrscheinlichkeit bestimmen, dass eine E-Mail ein Spam ist oder nicht.
  • Sentiment-Analyse: Bestimmung der in einem Text ausgedrückten Meinung. Der Klassifikator kann verwendet werden, um zu bewerten, ob die in Produktrezensionen, sozialen Netzwerken oder anderen Texten ausgedrückten Gefühle positiv, negativ oder neutral sind.
  • Dokumentklassifikation: Automatische Kategorisierung von Texten basierend auf ihrem Inhalt. Beispielsweise können Artikel in Content-Management-Systemen automatisch in Kategorien wie Sport, Politik, Technologie usw. eingeteilt werden.

Vor- und Nachteile

Vorteile

  • Einfachheit: Leicht zu verstehen und umzusetzen. Der Naive-Bayes-Klassifikator ist einfach zu kodieren und erfordert nicht viele Abstimmparameter.
  • Schnelligkeit: Berechnungseffizient, selbst bei großen Datensätzen. Aufgrund seiner Einfachheit ist der Naive-Bayes-Klassifikator extrem schnell zu trainieren und vorherzusagen.
  • Leistung: Kann sehr leistungsfähig sein, insbesondere bei Textdaten. Trotz seiner simplen Annahmen liefert er oft wettbewerbsfähige Ergebnisse im Vergleich zu komplexeren Modellen, insbesondere bei Textklassifizierungsaufgaben.

Nachteile

  • Unabhängigkeitsannahme: Die Unabhängigkeitsannahme zwischen den Prädiktoren ist oft unrealistisch. In vielen praktischen Fällen sind die Merkmale nicht wirklich unabhängig, was zu suboptimalen Vorhersagen führen kann.
  • Variable Leistung: Kann von anderen, ausgefeilteren Klassifikationsmethoden übertroffen werden, wenn die Daten die grundlegenden Annahmen nicht erfüllen. In Kontexten, in denen die Beziehungen zwischen den Merkmalen komplex sind, können fortgeschrittenere Modelle wie Support Vector Machines oder neuronale Netze bessere Leistungen erbringen.

Fazit

Der Naive-Bayes-Klassifikator bleibt ein wertvolles Werkzeug im maschinellen Lernen aufgrund seiner Einfachheit und Effizienz. Obwohl er auf vereinfachten Annahmen beruht, bietet er bemerkenswerte Leistungen für ein breites Anwendungsspektrum. Ob für die Spam-Filterung, die Sentiment-Analyse oder die Dokumentklassifikation, der Naive-Bayes-Klassifikator ist oft eine effektive erste Herangehensweise, die für überwachtes Lernen in Betracht gezogen werden sollte.

DataScientest News

Melde Dich jetzt für unseren Newsletter an, um unsere Guides, Tutorials und die neuesten Entwicklungen im Bereich Data Science direkt per E-Mail zu erhalten.

Möchtest Du informiert bleiben?

Schreib uns Deine E-Mail-Adresse, damit wir Dir die neuesten Artikel zum Zeitpunkt der Veröffentlichung zusenden können!
icon newsletter

DataNews

Starte Deine Karriere im Bereich Data: Erhalte regelmäßig Insiderwissen und wertvolle Karrieretipps in Deinem Posteingang.