Naive Bayesian algoritması

Merhabalar bu yazımda Makine Öğrenmesi alanında önemli sınıflandırma algoritmalarından olan Naive Bayes kullanımı ve Swift ile yazdığım örneği sizlerle paylaşacağım.

Naive Bayes işlemleri olasılık hesabına göre yapan bir algoritmadır. Elinizde bulunan train verilerini kendi formülüne göre işler ve her durum için yüzdelik bir oran çıkarır ve test setini bu çıkan olasılıklara göre sınıflandırma işlemini gerçekleştirir.

Matematiksel olarak gösterimi yukardaki şekildeki gibidir.

Yukardaki örnekte hava güneşli olduğunda golf oynama olasılığı 0.60 olarak hesaplanmıştır. Diğer tüm durumlarıda bu formata göre hesaplayabilir ve tahmin işlemini gerçekleştirebiliriz.

Aşağıda yazdığım örneği inceleyebilirsiniz.

let weatherSet:[String] = ["S","O","R","S","S","O","R","R","S","R","S","O","O","R"]
let playSet:[Bool] = [false,true,true,true,true,true,false,false,true,true,false,true,true,false]


func frequ(value:String) -> (yes:Int,no:Int,total:Int) {
    
    var yes:Int = 0
    var no:Int = 0
    var total:Int = 0
    
    for i in 0..<weatherSet.count {
        
        if weatherSet[i] == value {
            
            if playSet[i] == true {
                yes += 1
            } else {
                no += 1
            }
            
        }
        
        total = yes + no
    }
    
    return (yes,no, total)
}


func allfrequ() -> (yes:Int,no:Int) {
    
    
    let yes:Int = playSet.filter({$0 == true}).count
    let no:Int = playSet.filter({$0 == false}).count
    
    return (yes,no)
}


let oLike = Double(frequ(value: "O").total) / Double(weatherSet.count)
let rLike = Double(frequ(value: "S").total) / Double(weatherSet.count)
let sLike = Double(frequ(value: "R").total) / Double(weatherSet.count)

let allYes = Double(allfrequ().yes) / Double(weatherSet.count) // 0.64
let allNo = Double(allfrequ().no) / Double(weatherSet.count) // 0.35


let sunyYes = (Double(frequ(value: "S").yes) / Double(allfrequ().yes)) * Double(allfrequ().yes) / Double(allfrequ().no)

print(sunyYes) // 0.60

Github link.