Teori Dasar
Dalam Machine Learning, pada umumnya salah satu algoritma penting yang
digunakan untuk prediksi adalah Naïve Bayes Classifier (Klasifikasi Naïve Bayes). Naïve
Bayes Classifier sendiri merupakan sebuah metoda klasifikasi yang berakar pada teorema
Bayes. Metode pengklasifikasian dengan menggunakan metode probabilitas dan statistik yang
dikemukakan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan
berdasarkan pengalaman di masa sebelumnya sehingga dikenal sebagai Teorema Bayes. Ciri
utama dari Naïve Bayes Classifier ini adalah asumsi yg sangat kuat (naïf) akan independensi
dari masing-masing kondisi/kejadian.
Teorema Bayes adalah salah satu yang penting untuk membuat hipotesis tentang
sesuatu yang terjadi dalam kehidupan nyata. Dimana ini hanya bekerja seperti jika satu
peristiwa yang telah terjadi berdasarkan bukti itu akan menemukan peristiwa lainnya. Ini
adalah konteks sederhana tentang probabilitas bersyarat. Keuntungan penggunaannya adalah
bahwa metode ini hanya membutuhkan jumlah data pelatihan (training data) yang kecil untuk
menentukan estimasi parameter yg diperlukan dalam proses pengklasifikasian. Karena yang
diasumsikan sebagai variable independent, maka hanya varian dari suatu variable dalam
sebuah kelas yang dibutuhkan untuk menentukan klasifikasi, bukan keseluruhan dari matriks
kovarians.
Kode Program
Hasil Percobaan
1. Tampilan dataset
6. Tampilan prediksi