#6 나이브 베이즈(Naive Bayes)와 베이즈 정리(Bayes Theorem)

	나이브 베이즈 분류기 (Naive Bayes Classfier)	정확한 베이즈 분류기(Bayes Optimal Classifier)
	조건부 확률에 기반	조건부 확률과 베이즈 확률에 기반
	모델 중심이 아닌 데이터 중심, 대용량 데이터에서 작동가능	독립변수가 많으면 계산하기 어려움
	자료에 대한 가정이 필요 없음
	범주형 자료에서 작동함 (수치형은 범주형으로 변환 필요)

 

베이즈 정리의 문제점

정확히 일치하는 케이스(데이터)가 있어야 계산이 가능하다.

 

-> 나이브 베이즈

정확히 일치하는 데이터가 없어도 전체 데이터를 이용해(근삿값) 계산 가능하다. 

 

나이브 베이즈 장단점

장점

• 간단하고 빠르며 매우 효과적이다.
• noisy가 있거나 누락된 데이터에서도 잘 작동한다.
• 훈련을 위한 예제가 비교적 적게 필요하지만, 많은 예제에서도 잘 작동한다.
• 예측에 대한 추정 확률을 쉽게 얻을 수 있다

단점

• 독립적이고 동일하게 중요한 특성이라는 잘못된 가정에 의존한다.
• 많은 수의 수치형 특성을 가진 데이터셋에는 적합하지 않다.
• 추정 확률은 예측된 클래스보다 신뢰성이 떨어진다.

 

---

Example

 

 

1. 이전에 법적 문제를 가지고 있고, 회사규모가 작은 기업이 사기 재무보고를 할 확률은?

 

 

2. 이전에 법적 문제가 없고, 회사규모가 작은 기업이 사기 재무보고를 할 확률은?