Naive Bayes è un algoritmo di apprendimento automatico che produce una funzione di classificazione che permette ai ricercatori di classificare nuovi pezzi di dati secondo le variabili scelte dall’algoritmo . Naive Bayes è speciale in quanto assume tutte le variabili incluse nella funzione di classificazione sono indipendenti . La macchina funziona , subendo un dato di formazione di prima di essere applicato ai dati per il test. Tuttavia, a volte i ricercatori vogliono ” incrementare ” l’algoritmo Naive Bayes in modo che la sua funzione risultante sarà più accurato rispetto ai metodi standard. In breve , questa forma di esecuzione Naive Bayes richiede di regolare il set di dati prima di eseguire l’algoritmo . La procedura di potenziamento deve essere eseguita in software statistico , in quanto facendo tutto a mano saranno intrattabile . Istruzioni

1

individuare i dati formazione e dati di prova utilizzati per l’algoritmo Naive Bayes . Se Naive Bayes è già stata eseguita , i dati apparirà come due vettori , uno per ogni set. Il vettore è più dati di addestramento e il vettore più corta sono i dati di test .

2

Concatenate la formazione e vettori di dati di test in un unico , lungo vettoriale. In alcuni programmi statistici , questo è fatto facilmente . Per esempio, in R , utilizzare il comando : nuovo

3

Eseguire l’algoritmo di Bayes Naive come normale , ma con l’eccezione di correre con il nuovo vettore di dati come input . Il tempo di esecuzione sarà più lungo del normale; questo è normale .

4

Osservare l’output . Sarà diverso dal non- potenziato Naive Bayes . Questa funzione fa previsioni più accurate .