Pengertian Metode Naive Bayes

Metode Naive Bayes merupakan salah satu yang sering di gunakan dalam implementasi Sitem Pengambilan Kepetusan (Sistem Pakar), berikut ini adalah penjelasan Metode Naive Bayes :

Naive Bayes adalah salah satu penerapan theorema Bayes dalam klasifikasi, Naive Bayes di dasarkan pada asumsi penyederhanaan bahwa nilai atribut secara konditional saling bebas jika di berikan nilai output.

Naive bayes dinyatakan sebagai hipotesa yang disebut dengan HMAP (Hypothesis Maximum Appriori Probability). Secara matematis HMAP di rumuskan sebagai berikut :

HMAP = arg max P(h|e)

= arg max P(e|h)*P(h)

p(e)

= arg max P(e|h)*P(h)

Dalam konteks data mining machine learning, data e adalah set training, dan h adalah ruang di mana fungsi yang akan ditemukan tersebut terletak. HMAP juga seringkali dituliskan seperti berikut :

HMAP = arg max hj e H P(a1,a2,a3…an)*P(hj)

Hmap = Nilai output hasil klasifikasi Naïve Bayes.
P(a1,a2,…an|hj) = Peluang a.
P(hj) = Keadaan atau kategori j.

HMAP menyatakan hipotesa yang diambil berdasarkan nilai probabilitas berdasarkan kondisiprior yang diketahui. HMAP inilah yangdigunakan di dalam machine learning sebagaimetode untuk mendapatkan hipotesis suatuke putusan.

Nah itu pembahasan tentang Pengertian Naive Bayes, sekian dulu artikel dari saya, semoga bermanfaat bagi anda untuk kedepannya.