ナイーブベイズ分類器の仕組みについて

Question

ナイーブベイズ分類器の学習の仕組みはディープラーニングと違うのでしょうか？

質問:ディープラーニングは教師データで学習させ、最適値を求めテストセットで正解率を求めました（最適値がテストセットを判定する元）。ナイーブベイズ分類器を教師データで学習させた場合、何がテストセットを判定する元になるのでしょうか？

ディープラーニングでは学習させて求めた最適値がテストセットを判定するもとでしたが、ナイーブベイズ分類器も同じように最適値を設定するのでしょうか？

オープンソースでは特にトレーニングセットとして特徴ベクトルとラベルしか実装してないように感じます

Answer 1

ディープラーニングは多階層の** ニューラルネットワーク **を用いた機械学習の一手法なので、ナイーブベイズ分類器とは、手法から異なります。
ニューラルネットワークではないので、訓練→テストや逆伝播で誤差をなくすなどといった動きは（必要）ありません。
ざっくりいえば、特徴ベクトルとラベルをどんどん与えて分類器を作りこむ感じです。
なので

オープンソースでは特にトレーニングセットとして特徴ベクトルとラベルしか実装してないように感じます

これはある意味自然です。他に必要な実装（処理）は、データの固まりから特徴ベクトルを作成（いわゆる単語に分割）と実際の分類動作くらいです。

ただどちらも機械学習の一手法とはいえます。

分類器の実際の動きや内部データ構造は
Python3.3でナイーブベイズを実装する
に挙げられているコードを、単純なサンプルデータで動かすことで比較的容易に理解できるのではと思います。（私も分類の原理や詳細動作は完全には把握していませんが）

Comments

[trafalbad]

ナイーブベイズ分類器は一度学習させた場合、例えばテキスト分類などではテストセットや一般的な文章を分類するために学習したことを記憶していると理解していいのでしょうか？
ディープラーニングのように具体的に最適値を求めるコードがナイーブベイズ分類器にはないのですが、最適値の代わりにナイーブベイズ分類器は学習させたら、学習内容を記憶して、最適値などなくても記憶した学習内容を元にテキスト分類などの判別する仕組みなのでしょうか？

[can110]

> 学習内容を記憶して、最適値などなくても記憶した学習内容を元にテキスト分類などの判別する仕組みなのでしょうか？

はい。そもそもNNでの「学習」や「最適値」という概念は当てはまりません。
分類の結果も（ベイズ推定の）確率値です。

[trafalbad]

なるそど、理解できました。ありがとうございました。