Bayesiano

Poll without page-refresh

Article on other languages:

	del.icio.us
	Digg
	Furl
	Reddit
	Rojo
	Add to OnlyWire

Un clasificador Bayesiano "naïve" es una clasificador probabilístico que se basa en aplicar el Teorema de Bayes. Este tipo de clasificadores es frecuentemente empleado para detectar mensajes de correo basura (spam).

En abstracto, el modelo de probabilidad para un clasificador es

$p(C \vert F_1,\dots,F_n)\,$

sobre una variable dependiente C, con un pequeño número de resultados (o clases). Esta variable está condicionada por varias variables independientes desde $F 1$ a $F n$ . El problema es que si el número n de variables independientes es grande (o cuando éstas pueden tomar muchos valores), entonces basar este modelo en tablas de probabilidad se vuelve imposible. Por lo tanto el modelo se reformula para hacerlo más manejable:

Usando el teorema de Bayes se escribe:

$p(C \vert F_1,\dots,F_n) = \frac{p(C) \ p(F_1,\dots,F_n\vert C)}{p(F_1,\dots,F_n)}. \,$

Lo anterior podría reescribirse en lenguaje común como:

$Posterior = \frac{Anterior*Probabilidad}{Evidencia}. \,$

En la práctica sólo importa el numerador, ya que el denominador no depende de $C$ y los valores de $F i$ son datos, por lo que el denominador es, en la práctica, constante.

El numerador es equivalente a una probabilidad compuesta:

$p(C, F_1, \dots, F_n)\,$

que puede ser reescrita como sigue, aplicando repetidamente la definición de probabilidad condicional:

$p(C, F_1, \dots, F_n)\,$

$= p(C) \ p(F_1,\dots,F_n\vert C)$

$= p(C) \ p(F_1\vert C) \ p(F_2,\dots,F_n\vert C, F_1)$

$= p(C) \ p(F_1\vert C) \ p(F_2\vert C, F_1) \ p(F_3,\dots,F_n\vert C, F_1, F_2)$

$= p(C) \ p(F_1\vert C) \ p(F_2\vert C, F_1) \ p(F_3\vert C, F_1, F_2) \ p(F_4,\dots,F_n\vert C, F_1, F_2, F_3)$

... y así sucesivamente. Ahora es cuando la asunción "naïve" de independencia condicional entra en juego: se asume que cada $F i$ es independiente de cualquier otra $F j$ para $j\neq i$ . Esto significa que

$p(F_i \vert C, F_j) = p(F_i \vert C)\,$

por lo que la probabilidad compuesta puede expresarse como

$p(C, F_1, \dots, F_n) = p(C) \ p(F_1\vert C) \ p(F_2\vert C) \ p(F_3\vert C) \ \cdots\,$

$= p(C) \prod_{i=1}^n p(F_i \vert C).\,$

Esto significa que haciendo estas asunciones, la distribución condicional sobre la variable clasificaroria $C$ puede expresarse de la siguiente manera:

$p(C \vert F_1,\dots,F_n) = \frac{1}{Z} p(C) \prod_{i=1}^n p(F_i \vert C)$

donde $Z$ es un factor que depende sólo de $F_1,\dots,F_n$ , es decir, constante si los valores de $F i$ son conocidos.

Su uso contra el correo basura

El filtrado Bayesiano aplicado a la detección de correo basura tiene las siguientes ventajas:

Mira el mensaje completo
Se adapta a sí mismo a lo largo del tiempo
Es sensible/adaptable a la empresa/usuario
Es multilingüe e internacional
Utiliza inteligencia artificial
Es difícil de engañar

Obtenido de "http://es.wikipedia.org/wiki/Clasificador_bayesiano"

Categorías: Estadística | Correo electrónico

This article is from Wikipedia. All text is available under the terms of the GNU Free Documentation License.

Giant Panda

Mercedes Car

This site monitored by SitePinger.net