Data Mining: Tutorial WEKA Mengolah data NaiveBayes

Dalam pembelajaran mesin, pengklasifikasi Bayes naif adalah keluarga pengelompokan probabilistik sederhana berdasarkan penerapan teorema Bayes dengan asumsi independensi yang kuat (naif) antara fitur. Naif Bayes telah dipelajari secara ekstensif sejak tahun 1950an. Ini diperkenalkan dengan nama yang berbeda ke dalam komunitas pengambilan teks pada awal tahun 1960an, dan tetap menjadi metode dasar (untuk dasar kategorisasi teks yang populer), masalah menilai dokumen sebagai salah satu kategori atau kategori lainnya (seperti spam atau sah, olahraga atau politik, dll) dengan frekuensi kata sebagai fitur. Dengan pra-pengolahan yang tepat, kompetitif dalam domain ini dengan metode yang lebih maju termasuk mesin vektor pendukung. Ini juga menemukan aplikasi dalam diagnosis medis otomatis.
Pengklasifikasi Naive Bayes sangat terukur, membutuhkan sejumlah parameter linier dalam jumlah variabel dalam masalah belajar. Pelatihan dengan kemungkinan maksimum dapat dilakukan dengan mengevaluasi ekspresi bentuk tertutup, yang membutuhkan waktu linier, dan bukan dengan pendekatan iteratif mahal seperti yang digunakan untuk banyak jenis pengklasifikasi lainnya. Dalam literatur statistik dan sains komputer, model Naive Bayes dikenal dengan berbagai nama, termasuk Bayes dan Bayes Bayays yang sederhana. Semua nama ini merujuk pada penggunaan teorema Bayes dalam peraturan keputusan pengklasifikasi, tapi naif Bayes tidak (tentu saja) merupakan metode Bayesian (Sumber : WikiPedia)

Dan dibawah ini akan dijelaskan bagaimana mengolah data menggunakan metode NaiveBayes dengan memakai aplikasi WEKA

1. Buka Aplikasi Weka pilih Explorer