Aprendizaje Bayesiano

Clasicadores bayesianos.
El algoritmo Naïve Bayes
Constantino Malagón Luque
14 de mayo de 2003

Resumen
Este trabajo es una introducción al aprendizaje automático basado en
el algoritmo NaïveBayes.

1 Introducción
Las redes bayesianas, junto con los árboles de decisión y las redes neuronales articiales, han sido los tres métodos más usados en aprendizaje
automático durante estosúltimos años en tareas como la clasicación de
documentos o ltros de mensajes de correo electrónico.

Es un método

importante no sólo porque ofrece un análisis cualitativo de las atributos
yvalores que pueden intervenir en el problema, sino porque da cuenta
también de la importancia cuantitativa de esos atributos.

En el aspec-

to cualitativo podemos representar cómo se relacionan esosatributos ya
sea en una forma causal, o señalando simplemente de la correlación que
existe entre esas variables (o atributos). Cuantitativamente (y ésta es la
gran aportación de los métodosbayesianos), da una medida probabilística de la importancia de esas variables en el problema (y por lo tanto una
probabilidad explícita de las hipótesis que se formulan).

Esta es quizá

una de lasdiferencias fundamentales que ofecen las redes bayesianas con
respecto a otros métodos -como puedan ser los árboles de decisión y las
redes neuronales-, que no dan una medida cuantitativa de esaclasicación.
Además de estas consideraciones, el aprendizaje basado en redes bayesianas
es especialmente adecuado en ciertas tareas como puede ser la clasicación
de textos, siendo incluso más ecienteque los otros métodos ya reseñados,
y ofrece una medida para el estudio y comprensión de éstos otros métodos
[1].
Entre las características que poseen los métodos bayesianos en tareas deaprendizaje se pueden resaltar las siguientes:

•

Cada ejemplo observado va a modicar la probabilidad de que la
hipótesis formulada sea correcta (aumentándola o disminuyéndola).
Es decir, una...