15
mengalahkan pengklasifikasi kuat lainnya ketika ukuran sampel kecil. Karena
Naïve Bayes
juga
memiliki
keunggulan
dalam
hal kesederhanaan,
kecepatan
belajar,
kecepatan
klasifikasi,
ruang
penyimpanan
dan penggunaannya
secara
meningkat sebaiknya lebih sering dipertimbangkan
(Pant, Pant, & Pardasani,
2010).
Jaringan
Bayesian
(juga disebut
Belief)
(BN) adalah
representasi
pengetahuan
yang
kuat dan
mekanisme
penalaran.
BN
merupakan
peristiwa
dan
hubungan sebab akibat antara mereka sebagai bersyarat yang melibatkan
probabilitas
variabel
acak.
Dari
nilai
subset
variabel-variabel
(variabel
bukti),
BN
dapat menghitung probabilitas subset variabel lain (variabel query). BN dapat
dibuat secara otomatis
(belajar)
dengan
menggunakan
data statistik
(contoh).
Sebagai
algoritma
pembelajaran
mesin
yang terkenal,
Naïve
Bayes
sebenarnya
merupakan
kasus
khusus
dari sebuah
jaringan
Bayesian
(Markov,
Zdravko,
&
Russel, 2007).
Shane
M. Butler,
dkk
memilih
Naïve
Bayes
classifier
sebagai
pengklasifikasi
dasar
awal karena
diketahui
menjadi
pengklasifikasi
sederhana,
efisien
dan
efektif.
Lingkungan
Waikato
untuk
Pengetahuan
(WEKA)
versi
3.3.6
dipilih
untuk
analisis
karena
meliputi
baik pengklasifikasi
terpilih
dan
metode
diskritisasi
yang
diperlukan.
Ini berarti
bahwa
perlu
untuk
input
data yang
akan
ditulis
dalam
format
file ARFF
WEKA.
Weka.classifiers.bayes.NaiveBayes
classifier
digunakan
dalam konjungsi
dengan
weka.filters.unsupervised.attribute.Discretize.
Jumlah
bin
ditetapkan
untuk
5
dan
pilihan
useEqual-Frekuensi
diaktifkan.
Metode
uji leave-one-out
cross-validation
 |