Anda di halaman 1dari 11

13

Modul ke:

Business Intelligence
 Naïve Bayes

Fakultas
ILMU Bagus Priambodo
KOMPUTER
Program Studi
Pembuka
Sistem
Daftar Pustaka
Informasi
Akhiri Presentasi
Probabilistic Learning – Naive Bayes
• Prinsip dasar probabilitas
• Metode khusus dan struktur data yang
diperlukan untuk menganalisis data teks
dengan R
• Cara mempekerjakan Naive Bayes untuk
membuat filter pesan SMS junk message.

< MENU AKHIRI >


Konsep Dasar Metode Bayesian

< MENU AKHIRI >


Pemahaman Mengenai Probabilitas

< MENU AKHIRI >


Memahami Joint Probability

< MENU AKHIRI >


Menghitung probabilitas bersyarat

< MENU AKHIRI >


Algoritma Naive Bayes
Strengths Weaknesses
 Sederhana, cepat, dan sangat  Mengandalkan asumsi yang sering
efektif salah dari fitur yang sama
 Melakukan dengan baik terhadap pentingnya dan independen
data yang missing dan noisy  Tidak ideal untuk dataset dengan
 Membutuhkan beberapa contoh banyak fitur numerik
pelatihan yang relatif sedikit,  Perkiraan probabilitas kurang
tetapi juga berfungsi baik dengan dapat diandalkan dibandingkan
sejumlah besar contoh dengan kelas yang diprediksi
 Mudah untuk mendapatkan
perkiraan probabilitas untuk
prediksi

< MENU AKHIRI >


Klasifikasi dengan Naive Bayes
Dengan menggunakan teorema Bayes, kita dapat mendefinisikan
masalah seperti yang ditunjukkan dalam rumus berikut. Ini
menangkap kemungkinan bahwa sebuah pesan adalah spam,
mengingat bahwa Viagra = Ya, Money = Tidak, Groceries = Tidak,
dan Unsubscribe = Ya:

< MENU AKHIRI >


Klasifikasi dengan Naive Bayes

< MENU AKHIRI >


• DAFTAR PUSTAKA 

1. Lantz, Brett. (2015). Machine Learning with R.


Second Edition.

< MENU AKHIRI >


Terima Kasih
Bagus Priambodo