戦略的データサイエンス入門 ―ビジネスに活かすコンセプトとテクニック

267

267

9.3　ベイズの法則をデータサイエンスへ応用する

9.3.2

 単純ベイズのメリットとデメリット

単純ベイズはとてもシンプルな分類器で、特徴であるエビデンスをすべて考慮してはいま

せんが、使用するストレージ領域と計算時間の観点ではとても効率的です。学習は

1

つ

1

つ

のデータを見て、そのデータの所属するクラスと登場した特徴の数をただ数えて保存するだ

けです。既に挙げたように、

p(c)

はすべてのサンプルの中で、クラス

c

のサンプルが占める

割合を数えることで推定できます。

p(e

i

| c)

は、クラス

c

の中で、特徴

e

i

が現れる割合を数

えることで推定することができます。

シンプルで、しかも厳密な独立性仮定をしているにもかかわらず、単純ベイズ分類器は、

現実世界の多くのタスクを驚くほどうまく分類します。これは、独立性仮定への違反が分類

にあまり悪影響を与えないことが多いからです。これには、直感的に納得しやすい理由があ

ります。例えば、実際には強く依存し合っている

2

つのエビデンスがあるとします。依存し

合っているということは、どういうことになるのでしょうか。大雑把に言うと、

1

つのエビ

デンスを見たら、もう

1

つのエビデンスもほとんど見たようなものだということです。それ

らのエビデンスを独立だと扱っているとすると、まず、

1

つのエビデンスを見て、「そのクラ

スのエビデンスが

1

つあった」と思うでしょう。そして、もう

1

つのエビデンスを見て、「そ

のクラスのエビデンスがもう

1

つあった」と思うでしょう。つまり、エビデンスをある程度 ...