CLASIFICADOR BAYESIANO

PRESENTADO POR:
AZAEL UTRIA
MARCELO RAMIREZ
ANTHONY MONTES
YESID GALVIS
JAIRO TEJERA
JESÚS COLLANTE
 CLASIFICADOR BAYESIANO

Un clasificador Bayesiano es un clasificador probabilístico fundamentado en el teorema de Bayes y

algunas hipótesis simplificadoras adicionales. Es a causa de estas simplificaciones, que se suelen resumir en la
hipótesis de independencia entre las variables predictores, que recibe el apelativo de ingenuo.
En términos simples, un clasificador de Bayes ingenuo asume que la presencia o ausencia de una
característica particular no está relacionada con la presencia o ausencia de cualquier otra característica,
dada la clase variable. Por ejemplo, una fruta puede ser considerada como una manzana si es roja, redonda y
de alrededor de 7 cm de diámetro. Un clasificador de Bayes ingenuo considera que cada una de estas
características contribuye de manera independiente a la probabilidad de que esta fruta sea una manzana,
independientemente de la presencia o ausencia de las otras características. Una ventaja del clasificador de
Bayes ingenuo es que solo se requiere una pequeña cantidad de datos de entrenamiento para estimar los
parámetros (las medias y las varianzas de las variables) necesarias para la clasificación.
 EL OBJETIVO DE UN SISTEMA BAYESIANO

Es saber cuál es la hipótesis más probable entre varios conjuntos de datos. Si 𝑃(𝐷) es la probabilidad a
priori de los datos, 𝑃(𝐷|ℎ) su probabilidad dada una hipótesis y se desea estimar 𝑃(ℎ|𝐷), la probabilidad
posterior de h dados los datos. Se puede plantear el siguiente teorema.

Un algoritmo Bayesiano puede ser fácilmente implantado si se calculan todas las posibles hipótesis en la
ecuación (2.3) y se selecciona la hipótesis de mayor probabilidad. En general si tiene un sistema de
aprendizaje de lo general a lo específico (o al revés) que busca especializaciones más generales (o
generalizaciones más específicas) se puede caracterizar asumiendo que las hipótesis más generales (o
específicas) son más probables que otras
 EJEMPLO DE UN SISTEMA BAYESIANO EN LA MEDICINA

Sabemos que el 90% de los pacientes con gripe tienen fiebre, por lo que la relación causa/efecto en este
caso es del 90%, sin embargo ¿podemos calcular lo inverso, es decir, la probabilidad que la fiebre nos esté
indicando la existencia de la gripe (efecto/causa)? Para esto necesitamos más información, por un lado el
total de los casos de pacientes con gripe y el total de los casos de pacientes con fiebre.
• Se sabe que el 90% del conjunto de pacientes con gripe tienen fiebre (A)
• Se sabe que del universo total de pacientes, el 5% sufren de gripe (B)
• Y que del universo total hay un 10% con fiebre (algunos por gripe y otros por alguna otra causa) (C)
• Tenemos ahora un paciente que acaba de llegar a nuestra “clínica”, tiene temperatura, ¿podemos
determinar la probabilidad de que tenga gripe? Si, de la siguiente forma:
• (A) = 0.9
• (B) = 0.05
• (C) = 0.1
• P(enfermedad/síntoma)=P(síntoma/enfermedad)∗P(enfermedad)/P(síntoma)P(enfermedad
/síntoma)=P(síntoma/enfermedad)∗P(enfermedad)/P(síntoma)
• Es decir P (enfermedad/síntoma) P (enfermedad/síntoma) = 0.9 * 0.05 / 0.1 = 0.45
• Es decir la existencia de temperatura en un paciente nos da una probabilidad de un 45%
que la misma se deba a una gripe.
ALGORITMO DE MATLAB CLASIFICADOR BAYESIANO DE
VINOS
MUCHAS GRACIAS
POR SU ATENCIÓN.