NLP Academy · レッスン

多項モデルと Bernoulli モデル

テキストに適した variant を選ぶ

「多項モデルと Bernoulli モデル」はCoddyKit上の無料NLP Academyレッスンです。これはレッスン3/4です。下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。これはNLP Academy学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 NLP Academyコースには全4レッスンが含まれています。

このレッスンの一部はまだ翻訳されておらず、英語で表示されています。

Two Flavors of NB

Naive Bayes for text comes in two main variants. Picking the right one between Multinomial and Bernoulli can quietly boost your accuracy.

Multinomial Counts

The Multinomial model cares how many times each word appears. A word that shows up five times counts as stronger evidence than one that appears once.

Bernoulli Is On or Off

The Bernoulli model only asks whether a word is present or absent. Repeats do not matter; each word is a simple yes-or-no signal.

The Key Difference

Multinomial reads frequency, while Bernoulli reads presence. That single distinction shapes which model fits your text best.

Bernoulli Notices Absence

Bernoulli also treats a missing word as meaningful evidence. The absence of free can itself nudge a message toward the ham class.

When to Pick Multinomial

For longer documents where word counts carry real signal, reach for MultinomialNB. It is the usual default for topic and document sorting.

from sklearn.naive_bayes import MultinomialNB
model = MultinomialNB()

When to Pick Bernoulli

For short snippets like tweets or subject lines, presence matters more than counts. Here BernoulliNB often wins.

from sklearn.naive_bayes import BernoulliNB
model = BernoulliNB()

Match the Features

Bernoulli expects binary features, so it can binarize counts for you. Multinomial wants the raw counts straight from your vectorizer.

A Word on Gaussian

You may see GaussianNB too, but it expects continuous numbers, not word counts. Skip it for plain text features.

Same Interface

Both variants share the exact same scikit-learn API. You just swap the class name, then call fit and predict as usual. 🔄

model.fit(X, labels)
print(model.predict(X_new))

Let Data Decide

When unsure, train both and compare on a held-out set. The model with higher accuracy on real data is the right call.

Quick Check

Which model best fits very short texts where presence matters most?

Recap

You compared Multinomial counts against Bernoulli presence, learned when each shines, and saw they share one API. Try both and let data choose. ✅

よくある質問

「多項モデルと Bernoulli モデル」レッスンは無料ですか？

はい。「多項モデルと Bernoulli モデル」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、NLP Academyコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 NLP Academyコースには全4レッスンが含まれています。

「多項モデルと Bernoulli モデル」で何を学びますか？

テキストに適した variant を選ぶブラウザで直接実行するハンズオンコードでNLP Academyを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。

NLP Academyを始めるのに経験は必要ですか？

事前経験は必要ありません。CoddyKitのNLP Academyは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。これはレッスン3/4です。

「多項モデルと Bernoulli モデル」レッスンにはどのくらい時間がかかりますか？

ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。

このNLP Academyレッスンでコードを書いて実行できますか？

はい。すべてのNLP Academyレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。

このコースのすべてのレッスン

← NLP Academyに戻る