統計ベースのアルゴリズムの種類は何ですか？

統計ベースのアルゴリズムには、次の2種類があります-

• 回帰 −回帰の問題は、入力値にある出力値の評価を扱います。分類に使用する場合、入力値はデータベースからの値であり、出力値はクラスを定義します。回帰は分類の問題を明確にするために使用できますが、予測を含むさまざまなアプリケーションに使用されます。回帰の基本形式は、1つの予測子と1つの予測のみを含む単純な線形回帰です。

  回帰を使用して、次の2つのさまざまな方法を使用して分類を実装できます-

  • 分割 −データはクラスにある領域に分割されます。

  • 予測 −出力クラスの値を予測するための数式が作成されます。

• ベイズ分類 −分類には統計的分類子が使用されます。ベイズ分類はベイズの定理に基づいています。ベイジアン分類器は、高度なデータベースに使用すると、高い効率と速度を実現します。

  ベイズの定理 −Xをデータタプルとします。ベイズ法では、Xは「証拠」として扱われます。データタプルXが特定のクラスCに属することを含め、Hをいくつかの仮説とします。確率P（H | X）がデータを定義するために決定されます。この確率P（H | X）は、仮説Hの影響が「証拠」または注目されたデータタプルXを与えた確率です。

  P（H | X）は、Xを条件とするHの事後確率です。たとえば、データタプルの性質は、一般に、属性の年齢と収入によって定義されるユーザーに限定され、XはRsを持つ30歳のユーザーであると考えてください。 20,000の収入。 Hは、ユーザーがコンピューターを購入するという仮説であると想定します。したがって、P（H | X）は、ユーザーの年齢と収入が確認された場合に、ユーザーXがコンピューターを購入する確率を逆転させます。

  P（H）は、Hの事前確率です。たとえば、これは、年齢、収入、またはその他のデータに関係なく、特定のユーザーがコンピューターを購入する確率です。事後確率P（H | X）は、Xがない事前確率P（H）よりも多くのデータにあります。

  同様に、P（X | H）は、Hを条件とするXの事後確率です。これは、ユーザーXが30歳で、Rsを獲得する確率です。 20,000。

  P（H）、P（X | H）、およびP（X）は、与えられた情報から測定できます。ベイズの定理は、P（H）、P（X | H）、およびP（X）から事後確率P（H | X）を計算する方法をサポートします。それは

  によって与えられます

$$ P（H | X）=\ frac {P（X | H）P（H）} {P（X）} $$