TEMA 8. Aprendizaje supervisado. Clasificación con Naïve Bayes
4 views 0 purchase
Course
Técnicas de Aprendizaje Automático
Institution
UNIR Business School
UNIVERSIDAD DE LA RIOJA
Postgrado al que pertenece: Máster Universitario en Inteligencia Artificial
Denominación de la asignatura: Técnicas de Aprendizaje Automático
Contenido: BLOQUE 3. Modelos estadísticos y modelos no lineales
Guía de Estudio: TEMA 8. Aprendizaje supervisado. Clasifica...
UNIVERSIDAD DE LA RIOJA
Postgrado al que pertenece: Máster Universitario en Inteligencia Artificial
Denominación de la asignatura: Técnicas de Aprendizaje Automático
Contenido: BLOQUE 3. Modelos estadísticos y modelos no lineales
Guía de Estudio: TEMA 8. Aprendizaje supervisado. Clasificación con Naïve Bayes
Introducción
El aprendizaje supervisado es una técnica fundamental en el campo de la inteligencia artificial (IA)
y el aprendizaje automático (ML). Se basa en la utilización de un conjunto de datos etiquetados
para entrenar modelos que puedan hacer predicciones o tomar decisiones sin intervención
humana. En este contexto, uno de los algoritmos más conocidos y utilizados es el clasificador
Naïve Bayes. Este algoritmo se basa en el teorema de Bayes y asume una independencia
condicional entre las características del conjunto de datos. A continuación, se presenta una guía
detallada y técnica sobre este algoritmo, destacando sus características, ventajas, desventajas, y
recomendaciones para su uso.
Definición y Características
El clasificador Naïve Bayes es un modelo probabilístico que utiliza el teorema de Bayes para
predecir la clase de una instancia dada. La fórmula del teorema de Bayes se expresa como:
[ P ( C|X )=¿ { P ( X|C ) ⋅ P ( C ) }{ P ( X ) }]
donde ( P(C|X) ) es la probabilidad posterior de la clase ( C ) dada la instancia ( X ), ( P(X|C) ) es
la probabilidad de observar la instancia ( X ) dada la clase ( C ), ( P(C) ) es la probabilidad previa
de la clase ( C ), y ( P(X) ) es la probabilidad marginal de la instancia ( X ).
Una de las principales características del clasificador Naïve Bayes es la asunción de
independencia condicional entre las características (atributos) del conjunto de datos. Esto
significa que se considera que la presencia (o ausencia) de una característica no afecta la
presencia (o ausencia) de otra característica, dada la clase.
Ventajas y Desventajas
Ventajas:
1. Simplicidad y Rapidez: El algoritmo es fácil de implementar y computacionalmente
eficiente, ya que solo requiere el cálculo de probabilidades individuales.
2. Escalabilidad: Funciona bien con grandes conjuntos de datos y múltiples clases.
3. Robustez en Datos Ruidosos: Puede manejar datos ruidosos y faltantes de manera
efectiva.
4. Requiere Pocos Datos para Entrenamiento: Funciona bien incluso con conjuntos de
datos pequeños.
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller ma_medina. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $7.16. You're not tied to anything after your purchase.
