Tutorial Básico del Clasificador Naive Bayes

Tu Nombre

5 de mayo de 2023

1. Introducción
Naive Bayes es un algoritmo de clasificación basado en el teorema de
Bayes con una suposición de independencia entre los predictores. En tér-
minos sencillos, un clasificador Naive Bayes asume que la presencia de una
característica particular en una clase no está relacionada con la presencia de
cualquier otra característica.

2. Teorema de Bayes
El teorema de Bayes proporciona una forma de calcular la probabilidad
posterior P (C|X) a partir de P (C), P (X) y P (X|C). La fórmula del teorema
de Bayes es la siguiente:

P (X|C) · P (C)
P (C|X) = (1)
P (X)
Donde:

P (C|X) es la probabilidad posterior de la clase (target) dado predictor

(atributo).

P (C) es la probabilidad a priori de la clase.

P (X|C) es la probabilidad de predictor dado clase.

P (X) es la probabilidad a priori del predictor.

1
3. Clasificador Naive Bayes
Para construir un clasificador Naive Bayes, necesitamos hacer algunas
suposiciones adicionales sobre los datos, a saber, que las características son
condicionalmente independientes dado el resultado. Esto nos permite simpli-
ficar la fórmula del teorema de Bayes a:

P (X1 |C) · P (X2 |C) · . . . · P (Xn |C) · P (C)

P (C|X) = (2)
P (X)
Aquí, cada P (Xi |C) representa la probabilidad de una característica dada
la clase.

4. Usos
Los clasificadores Naive Bayes son ampliamente utilizados en la clasifi-
cación de texto, donde las características son las palabras del documento a
clasificar. A pesar de su simplicidad, Naive Bayes puede ser sorprendente-
mente efectivo y se usa con frecuencia en aplicaciones prácticas.

5. Conclusión
Naive Bayes es un algoritmo de clasificación simple pero poderoso que
se basa en probabilidades condicionales y en la suposición de independencia
entre las características. Aunque esta suposición es raramente correcta en
situaciones del mundo real, el algoritmo tiende a funcionar bastante bien en
la práctica.