Classification naïve bayésienne multinomiale - Historique des versions

Pitpitt : Remplacement de texte : « ↵↵==Sources== » par «  ==Sources== »

2024-08-30T22:58:43Z

Remplacement de texte : « ↵↵==Sources== » par «  ==Sources== »

← Version précédente		Version du 30 août 2024 à 18:58
Ligne 20 :		Ligne 20 :

	-->		-->

	==Sources==		==Sources==

Pitpitt : Remplacement de texte : « ↵↵↵==Sources== » par «  ==Sources== »

2024-01-29T14:08:51Z

Remplacement de texte : « ↵↵↵==Sources== » par «  ==Sources== »

← Version précédente		Version du 29 janvier 2024 à 10:08
Ligne 20 :		Ligne 20 :

	-->		-->


	==Sources==		==Sources==

Pitpitt : Remplacement de texte : « ↵ » par «  ==Sources== »

2024-01-28T00:46:56Z

Remplacement de texte : « ↵<small> » par «  ==Sources== »

← Version précédente		Version du 27 janvier 2024 à 20:46
Ligne 21 :		Ligne 21 :
	-->		-->

	~~<small>~~
			==Sources==

	[https://en.wikipedia.org/wiki/Naive_Bayes_classifier#Multinomial_na%C3%AFve_Bayes Source : Wikipedia Machine Learning ]		[https://en.wikipedia.org/wiki/Naive_Bayes_classifier#Multinomial_na%C3%AFve_Bayes Source : Wikipedia Machine Learning ]

	[[Catégorie:GRAND LEXIQUE FRANÇAIS]]		[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Pitpitt le 29 avril 2023 à 00:32

2023-04-29T00:32:01Z

← Version précédente		Version du 28 avril 2023 à 20:32
Ligne 4 :		Ligne 4 :
	==Compléments==		==Compléments==
	On emploie parfois ''polynomiale'' à la place de ''multinomiale'' et ''bayésienne naïve'' plutôt que ''naïve bayésienne''.		On emploie parfois ''polynomiale'' à la place de ''multinomiale'' et ''bayésienne naïve'' plutôt que ''naïve bayésienne''.


	== Français ==		== Français ==

Pitpitt le 29 avril 2023 à 00:31

2023-04-29T00:31:40Z

← Version précédente		Version du 28 avril 2023 à 20:31
Ligne 26 :		Ligne 26 :
	[https://en.wikipedia.org/wiki/Naive_Bayes_classifier#Multinomial_na%C3%AFve_Bayes Source : Wikipedia Machine Learning ]		[https://en.wikipedia.org/wiki/Naive_Bayes_classifier#Multinomial_na%C3%AFve_Bayes Source : Wikipedia Machine Learning ]

			[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
	[[Catégorie:~~Publication]]~~
	~~[[Catégorie:Wikipedia-IA‎~~]]

Pitpitt : Pitpitt a déplacé la page Multinomial Naive Bayes Classifier vers Classification naïve bayésienne multinomiale

2023-04-29T00:29:24Z

Pitpitt a déplacé la page Multinomial Naive Bayes Classifier vers Classification naïve bayésienne multinomiale

← Version précédente	Version du 28 avril 2023 à 20:29
(Aucune différence)

Patrickdrouin le 28 avril 2023 à 19:07

2023-04-28T19:07:21Z

← Version précédente		Version du 28 avril 2023 à 15:07
Ligne 1 :		Ligne 1 :
	==~~en construction~~==		== Définition ==
			[[Classification naïve bayésienne]] où les attributs suivent une [[distribution multinomiale]].

			==Compléments==
			On emploie parfois ''polynomiale'' à la place de ''multinomiale'' et ''bayésienne naïve'' plutôt que ''naïve bayésienne''.

	~~== Définition ==~~
	~~XXXXXXXXX~~

	== Français ==		== Français ==
	''' ~~XXXXXXXXX~~ '''		''' classification naïve bayésienne multinomiale '''

			''' classification naïve de Bayes multinomiale '''

			''' classification naïve bayésienne polynomiale '''

			''' classification naïve de Bayse polynomiale '''

	== Anglais ==		== Anglais ==
	''' ~~Multinomial~~ naïve Bayes'''		''' multinomial naïve Bayes classification'''

			<!-- With a multinomial event model, samples (feature vectors) represent the frequencies with which certain events have been generated by a multinomial {\displaystyle (p_{1},\dots ,p_{n})}(p_1, \dots, p_n) where {\displaystyle p_{i}}p_{i} is the probability that event i occurs (or K such multinomials in the multiclass case). A feature vector {\displaystyle \mathbf {x} =(x_{1},\dots ,x_{n})}{\mathbf {x}}=(x_{1},\dots ,x_{n}) is then a histogram, with {\displaystyle x_{i}}x_{i} counting the number of times event i was observed in a particular instance. This is the event model typically used for document classification, with events representing the occurrence of a word in a single document (see bag of words assumption). The likelihood of observing a histogram x is given by

			-->

	With a multinomial event model, samples (feature vectors) represent the frequencies with which certain events have been generated by a multinomial {\displaystyle (p_{1},\dots ,p_{n})}(p_1, \dots, p_n) where {\displaystyle p_{i}}p_{i} is the probability that event i occurs (or K such multinomials in the multiclass case). A feature vector {\displaystyle \mathbf {x} =(x_{1},\dots ,x_{n})}{\mathbf {x}}=(x_{1},\dots ,x_{n}) is then a histogram, with {\displaystyle x_{i}}x_{i} counting the number of times event i was observed in a particular instance. This is the event model typically used for document classification, with events representing the occurrence of a word in a single document (see bag of words assumption). The likelihood of observing a histogram x is given by
	<small>		<small>

Ligne 16 :		Ligne 27 :


	[[Catégorie:~~vocabulary~~]]		[[Catégorie:Publication]]
	[[Catégorie:Wikipedia-IA‎]]		[[Catégorie:Wikipedia-IA‎]]

Patrickdrouin : Patrickdrouin a déplacé la page Multinomial Naive Bayes vers Multinomial Naive Bayes Classifier

2023-04-28T18:50:45Z

Patrickdrouin a déplacé la page Multinomial Naive Bayes vers Multinomial Naive Bayes Classifier

← Version précédente	Version du 28 avril 2023 à 14:50
(Aucune différence)

Pitpitt : Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' Multinomial naïve Bayes''' With a multinomial event model, samples... »

2020-12-17T17:01:33Z

Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' Multinomial naïve Bayes''' With a multinomial event model, samples... »

Nouvelle page

==en construction==

== Définition ==
XXXXXXXXX

== Français ==
''' XXXXXXXXX '''

== Anglais ==
''' Multinomial naïve Bayes'''

With a multinomial event model, samples (feature vectors) represent the frequencies with which certain events have been generated by a multinomial {\displaystyle (p_{1},\dots ,p_{n})}(p_1, \dots, p_n) where {\displaystyle p_{i}}p_{i} is the probability that event i occurs (or K such multinomials in the multiclass case). A feature vector {\displaystyle \mathbf {x} =(x_{1},\dots ,x_{n})}{\mathbf {x}}=(x_{1},\dots ,x_{n}) is then a histogram, with {\displaystyle x_{i}}x_{i} counting the number of times event i was observed in a particular instance. This is the event model typically used for document classification, with events representing the occurrence of a word in a single document (see bag of words assumption). The likelihood of observing a histogram x is given by
<small>

[https://en.wikipedia.org/wiki/Naive_Bayes_classifier#Multinomial_na%C3%AFve_Bayes Source : Wikipedia Machine Learning ]

[[Catégorie:vocabulary]]
[[Catégorie:Wikipedia-IA‎]]

Classification naïve bayésienne multinomiale - Historique des versions

Pitpitt : Remplacement de texte : « ↵↵==Sources== » par « ==Sources== »

Pitpitt : Remplacement de texte : « ↵↵↵==Sources== » par « ==Sources== »

Pitpitt : Remplacement de texte : « ↵ » par « ==Sources== »