Multinomiaaliset ja Bernoulli-mallit
Valitse tekstille sopiva muunnelma
Multinomiaaliset ja Bernoulli-mallit on ilmainen NLP Academy-oppitunti CoddyKitissä. Tämä on oppitunti 3/4. Voit lukea tästä oppimispolusta kokonaan mitkä tahansa 3 oppituntia ilmaiseksi — sen jälkeen CoddyKit PRO avaa kaikki oppitunnit sekä käytännön harjoittelun sisäänrakennetulla koodieditorilla ja ympäri vuorokauden toimivalla tekoälytuutorilla. Oppitunti kuuluu NLP Academy-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. NLP Academy-kurssilla on yhteensä 4 oppituntia.
NB:n kaksi muunnelmaa
Tekstin Naive Bayes -menetelmästä on kaksi päämuunnelmaa. Oikean vaihtoehdon valitseminen Multinomial- ja Bernoulli-mallin välillä voi parantaa tarkkuutta huomaamatta.
Multinomiaalijakauman lukumäärät
Multinomial-mallille merkitsee se, kuinka monta kertaa kukin sana esiintyy. Viisi kertaa esiintyvä sana on vahvempaa näyttöä kuin kerran esiintyvä sana.
Bernoulli on päällä tai pois päältä
Bernoulli-malli kysyy vain, esiintyykö sana vai puuttuuko se. Toistojen määrällä ei ole merkitystä: jokainen sana on yksinkertainen kyllä–ei-signaali.
Keskeinen ero
Multinomial tarkastelee frekvenssiä, kun taas Bernoulli tarkastelee esiintymistä. Tämä yksi ero määrittää, kumpi malli sopii tekstiinne paremmin.
Bernoulli huomioi puuttumisen
Bernoulli käsittelee myös puuttuvan sanan merkityksellisenä näyttönä. Sanan free puuttuminen voi itsessään ohjata viestiä kohti tavallisen postin luokkaa.
Milloin valita Multinomial
Valitkaa MultinomialNB, kun kyseessä ovat pidemmät dokumentit, joissa sanojen lukumäärät sisältävät olennaista tietoa. Se on tavallinen oletusvalinta aiheiden ja dokumenttien luokitteluun.
from sklearn.naive_bayes import MultinomialNB
model = MultinomialNB()Milloin valita Bernoulli
Lyhyissä katkelmissa, kuten twiiteissä tai otsikkoriveillä, esiintyminen on lukumääriä tärkeämpää. Tällöin BernoulliNB on usein parempi.
from sklearn.naive_bayes import BernoulliNB
model = BernoulliNB()Sovittakaa piirteet yhteen
Bernoulli odottaa binäärisiä piirteitä, joten se voi muuttaa lukumäärät puolestanne binäärisiksi. Multinomial tarvitsee vektoroijalta suoraan tulevat raakatiedot eli lukumäärät.
Sana Gaussian-mallista
Saatatte nähdä myös GaussianNB-mallin, mutta se odottaa jatkuvia lukuja eikä sanojen lukumääriä. Älkää käyttäkö sitä tavallisiin tekstipiirteisiin.
Sama rajapinta
Molemmilla muunnelmilla on täsmälleen sama scikit-learn-rajapinta. Vaihtakaa vain luokan nimi ja kutsukaa sitten fit-menetelmää sekä ennustetta tavalliseen tapaan. 🔄
model.fit(X, labels)
print(model.predict(X_new))Antakaa datan ratkaista
Jos ette ole varmoja, kouluttakaa molemmat mallit ja verratkaa niitä erillään pidetyllä aineistolla. Malli, jonka tarkkuus on todellisella datalla suurempi, on oikea valinta.
Pikatarkistus
Mikä malli sopii parhaiten hyvin lyhyisiin teksteihin, joissa esiintyminen on tärkeintä?
Kertaus
Vertasitte Multinomial-mallin lukumääriä Bernoulli-mallin esiintymistietoihin, opitte, milloin kumpikin toimii parhaiten, ja näitte, että niillä on sama rajapinta. Kokeilkaa molempia ja antakaa datan ratkaista. ✅
Opi Python tekoälytuutorin avulla — ilmaiseksi
Kirjoita ja suorita oikeaa koodia selaimessa, saa välitöntä apua tekoälytuutorilta ympäri vuorokauden ja jatka siitä, mihin jäit, verkossa tai sovelluksessa.
- Kurssit
- 30
- Oppitunnit
- 120
Usein kysytyt kysymykset
Onko oppitunti ”Multinomiaaliset ja Bernoulli-mallit” ilmainen?
Kyllä — voit lukea täällä verkossa kokonaan ilmaiseksi mitkä tahansa NLP Academy-oppimispolun 3 oppituntia, myös oppitunnin “Multinomiaaliset ja Bernoulli-mallit”. Sen jälkeen CoddyKit PRO avaa kaikki oppitunnit sekä interaktiiviset harjoitukset sisäänrakennetulla koodieditorilla ja ympäri vuorokauden toimivalla tekoälytuutorilla. NLP Academy-kurssilla on yhteensä 4 oppituntia.
Mitä opin oppitunnilla ”Multinomiaaliset ja Bernoulli-mallit”?
Valitse tekstille sopiva muunnelma Harjoittelet NLP Academy-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.
Tarvitsenko kokemusta aloittaakseni NLP Academy-opiskelun?
Aiempi kokemus ei ole tarpeen. CoddyKitin NLP Academy-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 3/4.
Kuinka kauan ”Multinomiaaliset ja Bernoulli-mallit”-oppitunnin suorittaminen kestää?
Useimmat CoddyKitin oppitunnit kestävät noin 5–10 minuuttia. Jokainen oppitunti on lyhyt ja interaktiivinen, joten edistyt tasaisesti ja voit jatkaa siitä, mihin jäit – sekä verkossa että sovelluksessa.
Voinko kirjoittaa ja suorittaa koodia tällä NLP Academy-oppitunnilla?
Kyllä. Jokainen NLP Academy-oppitunti sisältää sisäänrakennetun koodieditorin, joten voit kirjoittaa ja suorittaa oikeaa koodia suoraan selaimessa ja saada välitöntä palautetta tekoälyltä – paikallista asennusta ei tarvita.
Kaikki tämän kurssin oppitunnit
- Naive Bayesin intuitio
- Roskapostisuodattimen rakentaminen
- Multinomiaaliset ja Bernoulli-mallit
- Mallin ennusteiden tulkitseminen