Dear students, welcome to GatesMashers आज की इस फीडियो में explain करने जा रहा हूँ Naive-based classification which is the method used in the supervised learning और supervised learning में जब भी हम classification की बात करते हैं तो हमेशा याद रखना जहाँ पे हमें predict करना होता है कि किस class से belong करता है जैसे simplest example है इसका email spam है या not spam है तो मतलब मुझे classify करना है किसी particular चीज को predict कर ले कि क्या ये इस class से belong करता है या फिर इस class से belong करता है तो this is a classification और इसके अंदर ये जो method है naive base ये actual में base theorem के उपर based है तो यहाँ पे probability का बहुत बड़ा role है क्योंकि ये सारी की सारी जो base theorem है probability based है और सबसे पहले आपको base theorem को समझना ज़रूरी है तब आपको naive base समझ में आएगा actual में है कुछ भी नहीं naive base में जो base है वो actual में क्या है based theorem ही है और जो नेव है उसका मतलब क्या है कि जितने भी variables use कर रहे हैं हम यहाँ पे वो अपस में independent है यह हम assume करके चल रहे हैं तो एक तरह से यहाँ पे आपको सबसे पहले base theorem को समझ लो मतलब सारी कहानी आपको समझ में आगे और मैं आपको with example सारी कहानी with math सारी कहानी आपको अच्छे से बताऊंगा क्योंकि यह ऐसा system है जिसको आप एक बार में एकदम से नहीं समझ सकते मैं खुद भी इसको समझने में time लगा तो क्यों? क्योंकि इस चीज़ को अगर आप step by step example के साथ करोगे और साथ में लिख के करोगे ना तो आपको बहुत अच्छे से समझ में आएगा जैसे मैं example के तौर पे अगर आपसे बूचू कि let's suppose मेरे पास एक bag है और उस bag में दो red ball हैं और 3 black ball है, ठीक है? एक simple ता bag है, 2 red, 3 black. अब मुझे यह बताओ कि red ball, मतलब मैंने एक ball निकाली, और उस ball के red होने की probability क्या है? जो ball मैंने निकाली, वो red होने की probability.
तो आपने favorable, आपका एक तरह से 2, क्योंकि red कितनी है 2, और नीचे total आपके कितनी होगे 5. 2 by 5 is का answer हैगा? कि 2 bag है, एक bag 1 जिसमें 2 red, 3 black, एक bag 2 जिसमें 4 red, red 3 black, अब यहाँ पे अगर आप से पूछ लें कि एक ball निकाल ली, उसकी red आने की probability क्या है, तो यह total probability का fund है, अब इसमें आप कैसे करोगे, कि सबसे पहले तो आपको यह देखना है कि sir bag 1 को choose किया, इसकी probability क्या है, तो bag 1 को choose किया, इसकी probability 1 by 2 है, क्योंकि 2 bag है, उन में से 1 को choose कि 1 by 2 है choose करने की probability आप इसको event कह सकते हो कि let's say event 1 क्या है कि bag 1 में से ball निकली 1 by 2 event 2 क्या है bag 2 में से निकली 1 by 2 अब bag 1 में से red ball आने की probability क्या है तो bag 1 में red कितनी है आपकी 2 total कितनी है आपकी 5 तो आप कह दो कि sir 2 by 5 है और bag 2 में से आने की red कितनी है 4 कि sir अगर एक ball निकाल ली और वो red होनी चाहिए तो उसकी probability कैसे calculate करोगे total, total मतलब 1 by 2 into 2 by 5 कर दोगे plus यहाँ पे 1 by 2 into 4 by 7 कर दोगे तो यह आपका simple सा answer solve करके आ जाएगा अब आती है base theorem अभी नहीं आई थी base theorem तो अब आएगी अब दिहान से सुनना last case है बड़ा important है अब मैंने क्या बोला कि मैंने एक ball निकाली जिस भी bag में से निकल सकती है, मैंने एक ball निकाल ली और वो ball red है, ध्यान से सुनो, जो मैंने ball निकाल ली वो red है, ये given है कि वो ball क्या है, red, लेकिन वो bag 1 में से आई, इसकी probability बताओ, इसलिए इसको बोलते reverse या cause probability, कारण बताओ, मतलब reverse जो है वो क्या कह रहा है, red ball निकली, य या bag 2 में से आई, मतलब अगर bag 1 में से निकाल लें, तो b1 by r यह इसकी probability होती है, तो इसको आप कैसे करोगे, यहाँ पे इसका formula क्या है, मैं आपको दिखाता हूँ यहाँ पे, जो base theorem actual में यहाँ पे लगती है, तो base theorem क्या कहती है, कि let's suppose अगर आपके पास probability y by x calculate करनी है, यहाँ पे x क्या है, कि given है, कि ball आपकी red है, लेकिन y निकालना है कि b1 bag में से होनी चाहिए, तो कैसे करोगे, x divide by y, मतलब red और bag 1 में से है, into आपके पास यहाँ पे क्या आगे, y मतलब bag 1 में से आने की probability, divide by वो, क्या है आपकी red ball है, तो कैसे करोगे, same question में, आपको पता है कि red और bag 1, red है और bag 1, red है और bag 1 में से क्या है, 2 by 5 इसकी probability है, तो आप 2 by 5, into, यहाँ पे bag 1 में से आए, इसकी आपने already calculate कर रखी है, 1 by 2, और जो आपकी ball है, तो red की probability यहाँ पे, मतलब total probability वाला फंडा, यह आ जाता है, तो इसको solve करके एक तरह सी पूरे को, आप यहाँ पे इसके नीचे divide में लिख दो, पूरे को solve करोगे तो, तब आपका आएगा कि yes ये ball B1 में से आई है इसकी probability तो यहाँ पे क्या समझे आप Bayes सेरम क्या कहती है अगर मुझे ये particular चीज Y निकाल लिया है और वो मेरी चीज X1, X2 ये multiple variables के ऊपर depend कर रही है यहाँ पे तो एक ही variable है कि वो ball red है लेकिन actual में real life scenario में अभी आपको example करवाँगा Bayes का multiple variables हो सकते हैं और naive का मतलब क्या है कि वो variables आपस में independent है अब यहाँ पे let's see X1, X2 इस तरीके से आपके variable है तो अगर मुझे यहाँ पर check करना है कि वो चीज है या वो चीज नहीं है मतलब यह email spam है या spam नहीं है तो अगर मुझे है या फिर नहीं है कि probability classify करना है तो मैं क्या करूँगा let's suppose अगर मैं कहा दूं कि yes वो है इस चीज से belong करती है तो मैं क्या करूँगा जितने भी मेरी variables है उनको सारों को मैं account में लूँगा मतलब उन सारों को consider करूँगा तो मेरा formula क्या बन जाएगा जैसे यहाँ पर x by y हुआ था अब यहाँ पर multiple x है multiple variable है तो x1, y, x2, y, x3, y, यहाँ पे सरफ एक x था, x, y, y कर दिया, यहाँ पे multiple है, तो यह हो गया, into probability of y, same, जैसे यहाँ पे था, वही base theorem है, divide by, यहाँ पे x अकेला था, यहाँ पे probability of x1, x2, x3, x4, इनको सबको multiply कर दो, that's it, तो यह आपका जो है, वो base theorem, आप कह सकते हो कि naive base classification इस no माला case क्या बन गया की जैसे वही होगा न email spam है या spam नहीं है अगर email spam है तो yes वाली probability निकाल ली multiple factors को ध्यान में रखते हुए नहीं वो mail spam नहीं है तो multiple factors को रखते हुए दुबारा आप no के हिसाब से probability निकाल ली divide by आपका factor जो है वो same ही है तो यहाँ पे ध्यान से देखो इस तो एक तरह से आप कह सकते हो कि आपकी base और हम जो है वो ने बेस क्या कहते हैं directly proportional है आपकी इस value के उपर इसको चाहे ना भी करो चल जाएगा क्योंकि y में भी है yes में भी और no में भी तो divide अगर आप same value से कर रहे हो दो जगा पर तो चाहे ना भी करो answer तो उपर वाले ने ही आपको देना है इसी नहीं देना है तो y में यस और no में से जो maximum आएगी हम कह देंगे कि उस class से belong करता है येस वाले में वो कहता है कि 60% chance है और नो वाले में कह रहा है 40% तो ज़्यादा probability किसकी है येस वाले की तो हम बोल देंगे कि ये इस class से belong करता है बस इसी concept के उपर जो है वो ने based classification work करता है अब आगे जी example example क्या लेने है बड़ा simple से example है यहाँ पे मेरे पास जो x values है देखो एक x1 ये रहा एक x2 ये रहा covid और flu ये sample data मैंने ले लिया और fever, fever मतलब yes fever है, जैसे covid yes है, flu no है, तो fever हो सकता है एक बंदे को, अलग-अलग बंदों का data है, ऐसा नहीं कि सब के साथ आ fix कहते हों कि हाँ यार मेरे को covid था, तो मुझे fever हुआ था, हो सकता है किसी बंदे को covid हो, लेकिन fever ना हो, हो सकता है उसको flu की वज़े से, हो सकता है उस यह fever नहीं है किसका let's suppose मेरे पास एक data आया person का और उस person का data है उसमें क्या आया flu covid आया अब ध्यान से सुनना पहले problem statement सुनो flu and covid आया अब मुझे क्या करना है flu and covid है तो मैंने यहाँ पे क्या देखना है कि क्या fever yes में belong करेगा या fever no में belong करेगा, तो मैं fever yes की probability, और fever no की probability calculate कर लेता हूँ, जिसकी probability ज़्यादा ही उस class से belong करता है, बस वही चीज़ आपको निकालनी है, कैसे निकालोगे, वही same formula, yes, fever को आपने yes मान लिया, flu and covid आपने जो है, वो आपको दिये हुए है, तो यहाँ पे flu yes, covid yes, into p of yes, divide by flu और covid लोगे, नो में भी तो लोगे ना तो चाहे ना भी लो तब भी आपका क्योंकि divide by value आपकी same है तो आप ना भी लो तब भी आपका काम चल जाएगा यही same formula आ गया यहाँ पे covid और flu वाला भी है x1 x2 तो flu yes covid yes into yes की probability divide मैंने इसलिए नहीं है क्योंकि इसका और इसका division same है तो आप ना भी consider करो तो फालतु में division करोगे same ही number से तो कोई फरक नहीं पड़ेगा यहाँ पे देखो no flu no covid no और fever no तो उसकी probability निकाल लो दोनों में से जिसकी हाई है वो निकाल लो ये simplest example और सबसे बढ़ीय example दे रहा हूँ आपको easily समझ आएगा तो देखो सबसे पहले fever yes इसकी probability total data में से आप देख लो कि fever कहा का पी yes है 1, 2, 3, 4, 5, 6, 7 7 बटा 10 total कितनी values है 10 तो ये favorable case prior probability बोलते है निकाल लिया fever no 3 case है 3 बटा 10 उसके बाद conditional probability मतलब COVID भी और fever भी तो यहाँ पे COVID yes, fever yes एक, COVID yes, fever yes दो, तीन, चार क्लियर है तो 4 बटा साथ, 4 क्यों किया? क्योंकि COVID-YES, Fever-YES, 4 cases हैं, and Fever-YES कितना है? 7 cases, out of 7-YES में COVID-YES और Fever-YES कितना है? 4, और Flu-YES और आपका जो Flu-YES and Fever-YES, ये कितने केस हैं?
Flu देखो कहां पी ये हैं, एक यहां पे आपका आगे, एक, दो, तीन, तो तीन बटा टोटल जो आपक��� fever के case है 7, अब ऐसी no वाला, covid no, fever no, covid no and fever no, तो देखो covid कहाँ पे है, ये रहा no, fever no होना चाहिए, तो ये नहीं लेंगे, ये देखो covid no, fever no, ये एक आ गया, ये एक आ गया, दो आ गया, तो दो बटा तीन, और ऐसे ही आपके पास flu no, fever no, तो ये भी दो बटा तीन आ गया, तो ये values आप पहले calculate कर लो, क्योंकि directly आपको formula में बरने में असान नहीं होगी, अब देखो, क्या करना है, flu and covid yes, दोनों यहाँ पे, flu and covid, तो flu and covid वाला आपका जो है, sorry, flu and fever वाला, यह fever actually yes है, यह भी आपका fever actually yes है, तो flu yes, covid, तो यहाँ पे आपके पास आ गया, 4 बटा 7, जहाँ पे covid yes, fever yes, और flu वाला case आपके पास क्या था, flu yes and fever yes, 3 by 7 आ गया, in 2, यह आपके पास क्या थी probability of fever yes 7 by 10 आ गया बस इसको solve कर लो तो 7 से 7 cancel यहाँ पे आपके पास क्या आ गया 12 by 70 आ गया जिसको आप 6 by 35 कह सकते हो तो इसको आप solve कर लो तो point यह 60 हो जाएगा तो आपके पास 1 और यह 7 around जो है वो point 1 7 इसका answer आगे ठीक है अब आपके प तो देखो flu no fever no निकाल लो यहाँ पे आपने already calculate कर लिया flu no fever no तो यह आपके पास 2 बटा 3 और आपके पास covid no fever no यह भी 2 बटा 3 और आपके पास fever no वाला case कितना है 3 by 10 तो इससे आपका कट गया यह आपके पास 4 by 30 आ गया 2 by 15 और यह क्या आ गया 0.1 यहाँ पे आपके पास 0.1 और 3 ठीक है 0.1 ही हो गया ठीक है, 2 by 15 है तो 0.120, और 5, यह आपके पास, तगरीबन जो है वो 0.13 की आश्वर आएगा, तो अब देख लो जी, यहाँ पे yes वाला case, मतलब अब आपके पास 2 case बन गई, कि एक बन्दा आया, flu और covid के साथ, अब उसको मैं किस class में डालू, yes fever में डालू या no fever में डालू, यह ज्यादा है, चे थोड़ी से भी ज्यादा हो, यह ज्यादा है, ज्यादा तो है ही न वैल्यू, तो जहां पे भी वैल्यू ज्यादा आ रही है, उस क्लास से बिलॉन करता है, मतलब यस फीवर में उसको हम प्रेडिक्ट करेंगे, हम उसको प्रेडिक्ट कर रहे हैं कि यह य इस पूरे concept के उपर work करता है तो ये अच्छे से सुन लेना in case थोड़ा सा आपको लगे doubt तो दुबारा से फिर सुनना दो बार अगर आप इसको देखोगे पक्का समझ में आजा�