About this ebook
Bagian I menyiapkan bekal peluang, statistika, dan NumPy. Bagian II membangun pengklasifikasi dari teorema Bayes: galat Bayes, asumsi kebebasan bersyarat, penaksiran kemungkinan maksimum, dan penghalusan Laplace sebagai rerata posterior Beta dan Dirichlet. Bagian III membahas keluarga naive Bayes: kategorik pada data jamur UCI, Gaussian pada data kanker payudara, Bernoulli dan multinomial pada SMS spam, serta complement naive Bayes pada 20 Newsgroups. Bagian IV menghitung dengan benar: log-peluang dan logsumexp, kelas naive Bayes yang ditulis dari nol dengan NumPy, serta belajar bertahap untuk data besar. Bagian V membaca dan menilai model: naive Bayes sebagai model linear, generatif lawan diskriminatif, mengapa asumsi yang salah tetap bekerja, serta kalibrasi dan pergeseran prior. Bagian VI memuat studi kasus sentimen ulasan berbahasa Indonesia (SmSA) dari awal sampai batas simpulannya, dan arah lanjutan seperti TAN, AODE, dan NB-SVM.
Setiap bab memuat contoh soal yang dihitung dengan tangan langkah demi langkah, dan setiap model ditulis dari nol dengan NumPy lebih dahulu, lalu dicocokkan dengan scikit-learn. Semua angka dan gambar berasal dari kode pendamping yang tersedia bebas di GitHub dan diperiksa ulang secara mekanis.
Untuk mahasiswa, dosen, dan praktisi data yang ingin memahami apa yang sebenarnya dikerjakan naive Bayes dan kapan peluang yang dihasilkannya dapat dipercaya. Prasyaratnya kalkulus dasar, peluang dasar, dan kemampuan membaca Python.
