{"id":930,"date":"2018-12-15T16:30:32","date_gmt":"2018-12-15T22:30:32","guid":{"rendered":"http:\/\/www.jacobsoft.com.mx\/?p=930"},"modified":"2025-02-20T13:37:49","modified_gmt":"2025-02-20T19:37:49","slug":"clasificador-naive-bayes","status":"publish","type":"post","link":"https:\/\/www.jacobsoft.com.mx\/es_mx\/clasificador-naive-bayes\/","title":{"rendered":"Clasificador Naive Bayes"},"content":{"rendered":"\n<h2 class=\"wp-block-heading\">Clasificador Naive Bayes con Python<\/h2>\n\n\n\n<p>Tanto en <strong><a aria-label=\"Tanto en probabilidad como en miner\u00eda de datos, un clasificador ingenuo de Naive Bayes es un m\u00e9todo probabil\u00edstico que tiene sus bases en el teorema de Bayes y recibe el apelativo de ingenuo dadas algunas simplificaciones adicionales que determinan la hip\u00f3tesis de independencia de las variables predictoras. (opens in a new tab)\" rel=\"noreferrer noopener\" href=\"https:\/\/click.linksynergy.com\/fs-bin\/click?id=cTjR400Zjac&amp;offerid=621876.8&amp;subid=0&amp;type=4\" target=\"_blank\">probabilidad <\/a><\/strong>como en <strong><a aria-label=\"Tanto en probabilidad como en miner\u00eda de datos, un clasificador ingenuo de Naive Bayes es un m\u00e9todo probabil\u00edstico que tiene sus bases en el teorema de Bayes y recibe el apelativo de ingenuo dadas algunas simplificaciones adicionales que determinan la hip\u00f3tesis de independencia de las variables predictoras. (opens in a new tab)\" rel=\"noreferrer noopener\" href=\"http:\/\/=https:\/\/click.linksynergy.com\/fs-bin\/click?id=cTjR400Zjac&amp;offerid=621876.12&amp;subid=0&amp;type=4\" target=\"_blank\">miner\u00eda de datos<\/a><\/strong>, un <strong>clasificador ingenuo<\/strong> Bayesiano (clasificador naive bayes) es un m\u00e9todo probabil\u00edstico que tiene sus bases en el <strong><a aria-label=\"Tanto en probabilidad como en miner\u00eda de datos, un clasificador ingenuo Bayesiano es un m\u00e9todo probabil\u00edstico que tiene sus bases en el teorema de Bayes y recibe el apelativo de ingenuo dadas algunas simplificaciones adicionales que determinan la hip\u00f3tesis de independencia de las variables predictoras. (opens in a new tab)\" rel=\"noreferrer noopener\" href=\"https:\/\/click.linksynergy.com\/fs-bin\/click?id=cTjR400Zjac&amp;offerid=621876.12&amp;type=3&amp;subid=0\" target=\"_blank\">teorema de Bayes<\/a><\/strong> y recibe el apelativo de <strong>ingenuo <\/strong>dadas algunas simplificaciones adicionales que determinan la hip\u00f3tesis de independencia de las variables predictoras.<\/p>\n\n\n\n<p>Si quieres verlo en video:<\/p>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube is-provider-gestor-del-servicio wp-embed-aspect-16-9 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe loading=\"lazy\" title=\"Clasificador Naive Bayes con Python\" width=\"780\" height=\"439\" src=\"https:\/\/www.youtube.com\/embed\/hXwUI9Q3GAU?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<p>El argumento de&nbsp;<strong>Bayes&nbsp;<\/strong>no es que el mundo sea intr\u00ednsecamente probabil\u00edstico o incierto, sino que aprendemos sobre el mundo a trav\u00e9s de la aproximaci\u00f3n, acerc\u00e1ndonos cada vez m\u00e1s a la verdad, a medida que recogemos m\u00e1s evidencias.<\/p>\n\n\n\n<p>En t\u00e9rminos sencillos, el clasificador ingenuo de <strong>Bayes<\/strong> asume que la <strong><em>presencia <\/em><\/strong>o <strong><em>ausencia <\/em><\/strong>de una caracter\u00edstica particular no est\u00e1 relacionada con la presencia o ausencia de cualquier otra caracter\u00edstica. <strong><em>Por ejemplo<\/em><\/strong>, una fruta puede ser considerada como una manzana si es roja, redonda y de alrededor de 7 cm de di\u00e1metro. <\/p>\n\n\n\n<p>Un clasificador <strong><a rel=\"noreferrer noopener\" aria-label=\"Un clasificador ingenuo de Bayes considera que cada una de estas caracter\u00edsticas contribuye de manera independiente a la probabilidad de que esta fruta sea una manzana, independientemente de la presencia o ausencia de las otras caracter\u00edsticas. (opens in a new tab)\" href=\"https:\/\/click.linksynergy.com\/fs-bin\/click?id=cTjR400Zjac&amp;offerid=621876.30&amp;type=3&amp;subid=0\" target=\"_blank\">ingenuo de Bayes<\/a><\/strong> considera que cada una de estas caracter\u00edsticas contribuye de manera independiente a la <strong>probabilidad <\/strong>de que esta fruta sea una manzana, independientemente de la presencia o ausencia de las otras caracter\u00edsticas.<\/p>\n\n\n\n<p>En muchas aplicaciones pr\u00e1cticas, la estimaci\u00f3n de par\u00e1metros para los modelos de Bayes utilizan el m\u00e9todo de <strong><em>m\u00e1xima verosimilitud<\/em><\/strong>, es decir, se puede trabajar con el modelo ingenuo de Bayes sin aceptar la probabilidad bayesiana o cualquiera de los m\u00e9todos bayesianos.<\/p>\n\n\n\n<p>Una ventaja del <strong><a href=\"https:\/\/click.linksynergy.com\/link?id=cTjR400Zjac&amp;offerid=145238.2267074&amp;type=2&amp;murl=http%3A%2F%2Fwww.informit.com%2Ftitle%2F9780134116570\" target=\"_blank\" rel=\"noreferrer noopener\" aria-label=\"Una ventaja del clasificador ingenuo de Bayes es que solo se requiere una peque\u00f1a cantidad de datos de entrenamiento para estimar los par\u00e1metros necesarios para la clasificaci\u00f3n (las medidas y las varianzas de las variables).  (opens in a new tab)\">clasificador ingenuo de Bayes<\/a><\/strong> es que solo se requiere una peque\u00f1a cantidad de datos de entrenamiento para estimar los par\u00e1metros necesarios para la clasificaci\u00f3n (las medidas y las varianzas de las variables). <\/p>\n\n\n\n<p>Solo es necesario determinar las varianzas de las variables de cada clase y no toda la matriz de covarianza.&nbsp;Para otros <strong><a aria-label=\"Solo es necesario determinar las varianzas de las variables de cada clase y no toda la matriz de covarianza.&nbsp;Para otros modelos de probabilidad, los clasificadores ingenuos de Bayes&nbsp; se pueden entrenar en entornos de aprendizaje supervisado.&nbsp; (opens in a new tab)\" href=\"https:\/\/click.linksynergy.com\/link?id=cTjR400Zjac&amp;offerid=145238.2816112&amp;type=2&amp;murl=http%3A%2F%2Fwww.informit.com%2Ftitle%2F9780134863931\" target=\"_blank\" rel=\"noreferrer noopener\">modelos de probabilidad<\/a><\/strong>, los clasificadores ingenuos de Bayes&nbsp; se pueden entrenar en entornos de aprendizaje supervisado.&nbsp;<\/p>\n\n\n\n<p><\/p>\n\n\n\n<script async src=\"https:\/\/pagead2.googlesyndication.com\/pagead\/js\/adsbygoogle.js?client=ca-pub-2380084220870127\"\n     crossorigin=\"anonymous\"><\/script>\n<ins class=\"adsbygoogle\"\n     style=\"display:block; text-align:center;\"\n     data-ad-layout=\"in-article\"\n     data-ad-format=\"fluid\"\n     data-ad-client=\"ca-pub-2380084220870127\"\n     data-ad-slot=\"2437322509\"><\/ins>\n<script>\n     (adsbygoogle = window.adsbygoogle || []).push({});\n<\/script>\n\n\n\n<p><\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Teorema de Bayes<\/h2>\n\n\n\n<p>El <strong><a href=\"https:\/\/click.linksynergy.com\/fs-bin\/click?id=cTjR400Zjac&amp;offerid=621876.30&amp;type=3&amp;subid=0\" target=\"_blank\" rel=\"noreferrer noopener\" aria-label=\"El teorema de bayes esta expresado por la siguiente ecuaci\u00f3n: (opens in a new tab)\">teorema de bayes<\/a><\/strong> esta expresado por la siguiente ecuaci\u00f3n:<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"352\" height=\"92\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes1.png\" alt=\"clasificador naive bayes\" class=\"wp-image-935\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes1.png 352w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes1-300x78.png 300w\" sizes=\"auto, (max-width: 352px) 100vw, 352px\" \/><figcaption>Teorema de Bayes<\/figcaption><\/figure><\/div>\n\n\n\n<p><strong>P(H)<\/strong> es la probabilidad <strong><em>a priori<\/em><\/strong>, la forma de introducir conocimiento previo sobre los valores que puede tomar la hip\u00f3tesis.<\/p>\n\n\n\n<p><strong>P(D|H)<\/strong> es el <strong><em>likelihood<\/em><\/strong>&nbsp;de una hip\u00f3tesis H dados los datos D,&nbsp; es decir, la probabilidad de obtener D dado que H es verdadera.<\/p>\n\n\n\n<p><strong>P(D)<\/strong> es el<strong><em> likelihood marginal<\/em><\/strong> o<strong><em> evidencia<\/em><\/strong>, es la probabilidad de observar los datos D promediado sobre todas las posibles hip\u00f3tesis H.<\/p>\n\n\n\n<p><strong>P(H|D)<\/strong> es el<strong><em> a posteriori<\/em><\/strong>, la distribuci\u00f3n de probabilidad final para la hip\u00f3tesis. Es la consecuencia l\u00f3gica de haber usado un conjunto de datos, un <strong><em>likelihood <\/em><\/strong>y un <strong><em>a priori<\/em><\/strong>.<\/p>\n\n\n\n<p>Sobre una variable dependiente <strong>H<\/strong>, con un peque\u00f1o n\u00famero de clases, la variable esta condicionada por varias variables independientes&nbsp;<strong>D<\/strong>&nbsp;= {d1, d2, &#8230;, dn} las cuales, dado el supuesto de independencia condicional de bayes, se asume que cada <strong>di<\/strong> es independiente de cualquier otro <strong>dj<\/strong> para <strong>i<\/strong> diferente de <strong>j<\/strong> y la podemos expresar en t\u00e9rminos simples de la siguiente forma:<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"389\" height=\"70\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes1b.png\" alt=\"\" class=\"wp-image-939\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes1b.png 389w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes1b-300x54.png 300w\" sizes=\"auto, (max-width: 389px) 100vw, 389px\" \/><figcaption>Teorema de Bayes en t\u00e9rminos simples<\/figcaption><\/figure><\/div>\n\n\n\n<p>La formula nos indica la probabilidad de que una hip\u00f3tesis <strong>H<\/strong> sea verdadera si alg\u00fan evento <strong>D<\/strong> ha sucedido. Esto es importante dado que, normalmente obtenemos la <strong><em>probabilidad de los efectos dadas las causas,<\/em><\/strong> pero el <strong><em><a href=\"https:\/\/click.linksynergy.com\/fs-bin\/click?id=cTjR400Zjac&amp;offerid=621876.12&amp;type=3&amp;subid=0\" target=\"_blank\" rel=\"noreferrer noopener\" aria-label=\"La formula nos indica la probabilidad de que una hip\u00f3tesis H sea verdadera si alg\u00fan evento D ha sucedido. Esto es importante dado que, normalmente obtenemos la probabilidad de los efectos dadas las causas, pero el teorema de bayes nos indica la probabilidad de las causas dados los efectos. (opens in a new tab)\">teorema de bayes<\/a><\/em><\/strong> nos indica la probabilidad de las <strong><em>causas <\/em><\/strong>dados los <strong><em>efectos<\/em><\/strong>.<\/p>\n\n\n\n<p><strong>Por ejemplo<\/strong>, podemos saber cual es el porcentaje de pacientes con <strong><em>gripe <\/em><\/strong>que tienen <strong><em>fiebre<\/em><\/strong>, pero lo que realmente queremos saber es la probabilidad de que un paciente con <strong><em>fiebre <\/em><\/strong>tenga <strong><em>gripe<\/em><\/strong>.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Ejemplo<\/h2>\n\n\n\n<p>Tenemos dos m\u00e1quinas (m1 y m2) que fabrican la misma herramienta<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"858\" height=\"376\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes3.png\" alt=\"\" class=\"wp-image-947\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes3.png 858w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes3-300x131.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes3-768x337.png 768w\" sizes=\"auto, (max-width: 858px) 100vw, 858px\" \/><figcaption>Dos m\u00e1quinas que fabrican la misma herramienta<\/figcaption><\/figure><\/div>\n\n\n\n<p>De todas las herramientas que fabrica cada una de las m\u00e1quinas, algunas se producen con defectos.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"622\" height=\"444\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes4.png\" alt=\"\" class=\"wp-image-948\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes4.png 622w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes4-300x214.png 300w\" sizes=\"auto, (max-width: 622px) 100vw, 622px\" \/><figcaption>Herramientas producidas por las m\u00e1quinas m1 y m2, algunas con defectos (color negro)<\/figcaption><\/figure><\/div>\n\n\n\n<p>Si consideramos que la m\u00e1quina 1 produce 30 llaves por hora y la m\u00e1quina 2 produce 20 llaves por hora, de todas las partes producidas se observa que el 1% est\u00e1n defectuosas y de todas las llaves defectuosas el 50% provienen de la m\u00e1quina 1 y el 50% de la m\u00e1quina 2.<\/p>\n\n\n\n<p><strong>\u00bfCu\u00e1l es la probabilidad de que una pieza defectuosa haya sido producida por la m\u00e1quina 2?<\/strong><\/p>\n\n\n\n<p>Si M1: 30 llaves\/hora, M2: 20 llaves\/hora<br>de las defectuosas 50%&nbsp; son de M1 y 50% de M2<\/p>\n\n\n\n<p>P(M1) = 30\/50 = 0.6<br>P(M2) = 20\/50 = 0.4<br>P(Defecto) = 1%<br>P(M1 | Defecto) = 50%<br>P(M2 | Defecto) = 50%<\/p>\n\n\n\n<p>Lo que deseamos conocer es entonces:<br>P(Defecto | M2) = ?<\/p>\n\n\n\n<p>Aplicando el Teorema de Bayes<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"485\" height=\"78\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes5.png\" alt=\"\" class=\"wp-image-949\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes5.png 485w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes5-300x48.png 300w\" sizes=\"auto, (max-width: 485px) 100vw, 485px\" \/><figcaption>Teorema de bayes para las m\u00e1quinas que producen llaves<\/figcaption><\/figure><\/div>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"396\" height=\"74\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes7.png\" alt=\"\" class=\"wp-image-951\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes7.png 396w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes7-300x56.png 300w\" sizes=\"auto, (max-width: 396px) 100vw, 396px\" \/><figcaption>Sustituyendo el valor de las probabilidades<\/figcaption><\/figure><\/div>\n\n\n\n<p>La probabilidad de que una pieza defectuosa sea de la m\u00e1quina 2 es del 1.25%<\/p>\n\n\n\n<p>En una producci\u00f3n de 1,000 piezas, entonces 400 provienen dela m\u00e1quina 2 y si el 1% esta defectuosa habr\u00e1 10 piezas defectuosas. de esas 10 piezas el 50% son la m\u00e1quina 2, es decir 5 piezas, podemos comprobar que el porcentaje de piezas defectuosas de la m\u00e1quina 2 es 5\/400 = 0.0125<\/p>\n\n\n\n<p><\/p>\n\n\n\n<script async src=\"https:\/\/pagead2.googlesyndication.com\/pagead\/js\/adsbygoogle.js?client=ca-pub-2380084220870127\"\n     crossorigin=\"anonymous\"><\/script>\n<ins class=\"adsbygoogle\"\n     style=\"display:block; text-align:center;\"\n     data-ad-layout=\"in-article\"\n     data-ad-format=\"fluid\"\n     data-ad-client=\"ca-pub-2380084220870127\"\n     data-ad-slot=\"2437322509\"><\/ins>\n<script>\n     (adsbygoogle = window.adsbygoogle || []).push({});\n<\/script>\n\n\n\n<h2 class=\"wp-block-heading\"><br>Algoritmo del Clasificador Naive Bayes<\/h2>\n\n\n\n<p>Tenemos un conjunto de datos de personas que camina o conducen hacia su trabajo, en relaci\u00f3n a su edad y a su salario, por ejemplo.&nbsp;<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes8.png\" alt=\"\" class=\"wp-image-952\" width=\"528\" height=\"303\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes8.png 763w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes8-300x173.png 300w\" sizes=\"auto, (max-width: 528px) 100vw, 528px\" \/><figcaption>Personas que camina o conducen hacia su trabajo en relaci\u00f3n a la edad y el salario<\/figcaption><\/figure><\/div>\n\n\n\n<p>Si ahora tenemos la edad y el salario de una nueva persona, queremos clasificarla, de acuerdo a esos datos, si es de las personas que caminan o de las que conducen.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes9.png\" alt=\"\" class=\"wp-image-953\" width=\"533\" height=\"308\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes9.png 760w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes9-300x174.png 300w\" sizes=\"auto, (max-width: 533px) 100vw, 533px\" \/><figcaption>Una nueva persona de la que tenemos su edad y su salario, es de las que conduce o camina?<\/figcaption><\/figure><\/div>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"465\" height=\"249\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-2.png\" alt=\"\" class=\"wp-image-955\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-2.png 465w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-2-300x161.png 300w\" sizes=\"auto, (max-width: 465px) 100vw, 465px\" \/><figcaption>Teorema de bayes para clasificar a una nueva persona en base a su edad y su salario<\/figcaption><\/figure><\/div>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-3.png\" alt=\"\" class=\"wp-image-956\" width=\"552\" height=\"210\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-3.png 858w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-3-300x115.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-3-768x294.png 768w\" sizes=\"auto, (max-width: 552px) 100vw, 552px\" \/><figcaption>P(Camina) es el N\u00famero de personas que caminan entre el total de observaciones<\/figcaption><\/figure><\/div>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-4.png\" alt=\"\" class=\"wp-image-957\" width=\"542\" height=\"189\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-4.png 858w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-4-300x105.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-4-768x269.png 768w\" sizes=\"auto, (max-width: 542px) 100vw, 542px\" \/><figcaption>P(X) es el N\u00famero de observaciones similares al nuevo punto, entre el total de observaciones<\/figcaption><\/figure><\/div>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-6.png\" alt=\"\" class=\"wp-image-958\" width=\"548\" height=\"191\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-6.png 858w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-6-300x105.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-6-768x269.png 768w\" sizes=\"auto, (max-width: 548px) 100vw, 548px\" \/><figcaption>P(X|Camina) es el n\u00famero de observaciones similares entre los que caminan entre el total de los que caminan<\/figcaption><\/figure><\/div>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-7.png\" alt=\"\" class=\"wp-image-959\" width=\"518\" height=\"221\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-7.png 858w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-7-300x129.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-7-768x329.png 768w\" sizes=\"auto, (max-width: 518px) 100vw, 518px\" \/><figcaption>Aplicando los valores a la formula del teorema<\/figcaption><\/figure><\/div>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-8.png\" alt=\"\" class=\"wp-image-960\" width=\"519\" height=\"223\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-8.png 858w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-8-300x129.png 300w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-8-768x330.png 768w\" sizes=\"auto, (max-width: 519px) 100vw, 519px\" \/><figcaption>Tambi\u00e9n para los que conducen<\/figcaption><\/figure><\/div>\n\n\n\n<p>Si ahora comparamos los que caminan contra los que conducen tenemos que:<\/p>\n\n\n\n<p class=\"has-text-align-center\"><strong>P(Camina|X) &gt; P(Conduce |X)<\/strong><br><strong>0.75 &gt; 0.25<\/strong><\/p>\n\n\n\n<p>Entonces, este nuevo punto que representa la edad y el salario de una persona nueva, ser\u00e1 clasificado en el grupo de los que caminan.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-9.png\" alt=\"\" class=\"wp-image-961\" width=\"542\" height=\"313\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-9.png 760w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes-9-300x173.png 300w\" sizes=\"auto, (max-width: 542px) 100vw, 542px\" \/><figcaption>El nuevo punto ha sido clasificado entre las personas que caminan<\/figcaption><\/figure><\/div>\n\n\n\n<p><\/p>\n\n\n\n<script async src=\"https:\/\/pagead2.googlesyndication.com\/pagead\/js\/adsbygoogle.js?client=ca-pub-2380084220870127\"\n     crossorigin=\"anonymous\"><\/script>\n<ins class=\"adsbygoogle\"\n     style=\"display:block; text-align:center;\"\n     data-ad-layout=\"in-article\"\n     data-ad-format=\"fluid\"\n     data-ad-client=\"ca-pub-2380084220870127\"\n     data-ad-slot=\"2437322509\"><\/ins>\n<script>\n     (adsbygoogle = window.adsbygoogle || []).push({});\n<\/script>\n\n\n\n<p><\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Naive Bayes con Python<\/h2>\n\n\n\n<p>Para el ejercicio con <strong><a rel=\"noreferrer noopener\" aria-label=\"Para el ejercicio con python utilizaremos un conjunto de datos con informaci\u00f3n de clientes que compraron o no compraron en una tienda en relaci\u00f3n a su edad y su salario principalmente (opens in a new tab)\" href=\"https:\/\/click.linksynergy.com\/fs-bin\/click?id=cTjR400Zjac&amp;offerid=347188.10000502&amp;type=3&amp;subid=0\" target=\"_blank\">python <\/a><\/strong>utilizaremos un conjunto de datos con informaci\u00f3n de clientes que compraron o no compraron en una tienda en relaci\u00f3n a su edad y su salario principalmente.<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img loading=\"lazy\" decoding=\"async\" width=\"679\" height=\"558\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes10.png\" alt=\"\" class=\"wp-image-963\" srcset=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes10.png 679w, https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/bayes10-300x247.png 300w\" sizes=\"auto, (max-width: 679px) 100vw, 679px\" \/><figcaption>Conjunto de datos para el ejercicio con python<\/figcaption><\/figure><\/div>\n\n\n\n<iframe loading=\"lazy\" src=\"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/naive_bayes.html\" width=\"99%\" height=\"2200\" frameborder=\"0\" scrolling=\"auto\"><\/iframe>\n\n\n\n<h2 class=\"wp-block-heading\">Conclusiones<\/h2>\n\n\n\n<p>Para ahondar m\u00e1s sobre el tema e iniciarte con python, esta gu\u00eda en video es muy buena y te permite ir de lo b\u00e1sico a lo intermedio: <strong><a rel=\"noreferrer noopener\" aria-label=\"Para ahondar m\u00e1s sobre el tema e iniciarte con python, esta gu\u00eda en video es muy buena y te permite ir de lo b\u00e1sico a lo intermedio: Gu\u00eda en Video (opens in a new tab)\" href=\"https:\/\/click.linksynergy.com\/link?id=cTjR400Zjac&amp;offerid=145238.2143362&amp;type=2&amp;murl=http%3A%2F%2Fwww.informit.com%2Ftitle%2F9780133805338\" target=\"_blank\">Gu\u00eda en Video<\/a><\/strong><\/p>\n\n\n\n<p>Este otro m\u00e1s avanzado incluye an\u00e1lisis con pandas y otras librer\u00edas de uso frecuente: <strong><a href=\"https:\/\/click.linksynergy.com\/link?id=cTjR400Zjac&amp;offerid=145238.2255416&amp;type=2&amp;murl=http%3A%2F%2Fwww.informit.com%2Ftitle%2F9780134097350\" target=\"_blank\" rel=\"noreferrer noopener\" aria-label=\"Este otro m\u00e1s avanzado incluye an\u00e1lisis con pandas y otras librer\u00edas de uso frecuente: Lecciones en vivo (opens in a new tab)\">Lecciones en vivo<\/a><\/strong><\/p>\n\n\n\n<p>Adicionalmente, los fundamentos del an\u00e1lisis de datos con python los puedes encontrar en este <strong><a href=\"https:\/\/click.linksynergy.com\/link?id=cTjR400Zjac&amp;offerid=145238.2115609&amp;type=2&amp;murl=http%3A%2F%2Fwww.informit.com%2Ftitle%2F9780133599459\" target=\"_blank\" rel=\"noreferrer noopener\" aria-label=\"Adicionalmente, los fundamentos del an\u00e1lisis de datos con python los puedes encontrar en este video de entrenamiento. (opens in a new tab)\">video de entrenamiento<\/a><\/strong>.<\/p>\n\n\n\n<p>Puedes tambi\u00e9n tomar el entrenamiento en ciencia de datos y pagar cuando hayas conseguido el trabajo como cient\u00edfico de datos, esta es una oferta excelente: <strong><a href=\"https:\/\/click.linksynergy.com\/fs-bin\/click?id=cTjR400Zjac&amp;offerid=621876.12&amp;type=3&amp;subid=0\" target=\"_blank\" rel=\"noreferrer noopener\" aria-label=\"Puedes tambi\u00e9n tomar el entrenamiento en ciencia de datos y pagar cuando hayas conseguido el trabajo como cient\u00edfico de datos, esta es una oferta excelente: Formaci\u00f3n en ciencia de datos (opens in a new tab)\">Formaci\u00f3n en ciencia de datos<\/a><\/strong><\/p>\n\n\n\n<p>Finalmente, la certificaci\u00f3n <strong><a rel=\"noreferrer noopener\" aria-label=\"Finalmente, la certificaci\u00f3n AWS Asociado o AWS Profesional est\u00e1n muy accesibles y son herramientas indispensables (opens in a new tab)\" href=\"https:\/\/click.linksynergy.com\/fs-bin\/click?id=cTjR400Zjac&amp;offerid=579862.373&amp;type=3&amp;subid=0&amp;LSNSUBSITE=LSNSUBSITE\" target=\"_blank\">AWS Asociado<\/a><\/strong> o <strong><a rel=\"noreferrer noopener\" aria-label=\"Finalmente, la certificaci\u00f3n AWS Asociado o AWS Profesional est\u00e1n muy accesibles y son herramientas indispensables (opens in a new tab)\" href=\"https:\/\/click.linksynergy.com\/fs-bin\/click?id=cTjR400Zjac&amp;offerid=579862.372&amp;type=3&amp;subid=0&amp;LSNSUBSITE=LSNSUBSITE\" target=\"_blank\">AWS Profesional<\/a><\/strong> est\u00e1n muy accesibles y son herramientas indispensables en el tema.<\/p>\n\n\n\n<p>Un webinar bastante interesante sobre Azure es el siguiente: <strong><a href=\"https:\/\/click.linksynergy.com\/fs-bin\/click?id=cTjR400Zjac&amp;offerid=579862.462&amp;type=3&amp;subid=0&amp;LSNSUBSITE=LSNSUBSITE\" target=\"_blank\" rel=\"noreferrer noopener\" aria-label=\"Un webinar bastante interesante sobre Azure es el siguiente: Webinar Azure (opens in a new tab)\">Webinar Azure<\/a><\/strong><\/p>\n\n\n\n<p><strong><a href=\"https:\/\/click.linksynergy.com\/link?id=cTjR400Zjac&amp;offerid=145238.2790534&amp;type=2&amp;murl=http%3A%2F%2Fwww.informit.com%2Ftitle%2F9780134846019\" target=\"_blank\" rel=\"noreferrer noopener\" aria-label=\"Data analytics with Spark using Python (opens in a new tab)\">Data analytics with Spark using Python<\/a><\/strong><\/p>\n\n\n\n<p><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Clasificador Naive Bayes con Python Tanto en probabilidad como en miner\u00eda de datos, un clasificador &hellip; <\/p>\n","protected":false},"author":2,"featured_media":931,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"advgb_blocks_editor_width":"","advgb_blocks_columns_visual_guide":"","_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"_uf_show_specific_survey":0,"_uf_disable_surveys":false,"footnotes":""},"categories":[25,35,46],"tags":[99,55,98,58,56,82,50,59,97,100,61],"class_list":["post-930","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-algoritmos","category-inteligencia-artificial","category-machine-learning","tag-artificial-intelligence","tag-clasificacion","tag-clasificador","tag-data-mining","tag-data-science","tag-inteligencia-artificial","tag-machine-learning","tag-mineria-de-datos","tag-naive-bayes","tag-naive-bayes-with-python","tag-python"],"aioseo_notices":[],"author_meta":{"display_name":"Jacob Avila Camacho","author_link":"https:\/\/www.jacobsoft.com.mx\/es_mx\/author\/jacob-avila\/"},"featured_img":"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/destacada_naive_bayes-300x169.png","featured_image_src":"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/destacada_naive_bayes.png","featured_image_src_square":"https:\/\/www.jacobsoft.com.mx\/wp-content\/uploads\/2018\/12\/destacada_naive_bayes.png","author_info":{"display_name":"Jacob Avila Camacho","author_link":"https:\/\/www.jacobsoft.com.mx\/es_mx\/author\/jacob-avila\/"},"coauthors":[],"tax_additional":{"categories":{"linked":["<a href=\"https:\/\/www.jacobsoft.com.mx\/es_mx\/category\/algoritmos\/\" class=\"advgb-post-tax-term\">Algoritmos<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/es_mx\/category\/inteligencia-artificial\/\" class=\"advgb-post-tax-term\">Inteligencia Artificial<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/es_mx\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Machine Learning<\/a>"],"unlinked":["<span class=\"advgb-post-tax-term\">Algoritmos<\/span>","<span class=\"advgb-post-tax-term\">Inteligencia Artificial<\/span>","<span class=\"advgb-post-tax-term\">Machine Learning<\/span>"]},"tags":{"linked":["<a href=\"https:\/\/www.jacobsoft.com.mx\/es_mx\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Artificial Intelligence<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/es_mx\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">clasificaci\u00f3n<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/es_mx\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Clasificador<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/es_mx\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Data Mining<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/es_mx\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Data Science<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/es_mx\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Inteligencia Artificial<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/es_mx\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">machine learning<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/es_mx\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Miner\u00eda de Datos<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/es_mx\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Naive Bayes<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/es_mx\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Naive Bayes with Python<\/a>","<a href=\"https:\/\/www.jacobsoft.com.mx\/es_mx\/category\/inteligencia-artificial\/machine-learning\/\" class=\"advgb-post-tax-term\">Python<\/a>"],"unlinked":["<span class=\"advgb-post-tax-term\">Artificial Intelligence<\/span>","<span class=\"advgb-post-tax-term\">clasificaci\u00f3n<\/span>","<span class=\"advgb-post-tax-term\">Clasificador<\/span>","<span class=\"advgb-post-tax-term\">Data Mining<\/span>","<span class=\"advgb-post-tax-term\">Data Science<\/span>","<span class=\"advgb-post-tax-term\">Inteligencia Artificial<\/span>","<span class=\"advgb-post-tax-term\">machine learning<\/span>","<span class=\"advgb-post-tax-term\">Miner\u00eda de Datos<\/span>","<span class=\"advgb-post-tax-term\">Naive Bayes<\/span>","<span class=\"advgb-post-tax-term\">Naive Bayes with Python<\/span>","<span class=\"advgb-post-tax-term\">Python<\/span>"]}},"comment_count":"19","relative_dates":{"created":"Publicado 7 a\u00f1os hace","modified":"Actualizado 1 a\u00f1o hace"},"absolute_dates":{"created":"Publicado el diciembre 15, 2018","modified":"Actualizado el febrero 20, 2025"},"absolute_dates_time":{"created":"Publicado el diciembre 15, 2018 4:30 pm","modified":"Actualizado el febrero 20, 2025 1:37 pm"},"featured_img_caption":"","series_order":"","_links":{"self":[{"href":"https:\/\/www.jacobsoft.com.mx\/es_mx\/wp-json\/wp\/v2\/posts\/930","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.jacobsoft.com.mx\/es_mx\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.jacobsoft.com.mx\/es_mx\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.jacobsoft.com.mx\/es_mx\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.jacobsoft.com.mx\/es_mx\/wp-json\/wp\/v2\/comments?post=930"}],"version-history":[{"count":23,"href":"https:\/\/www.jacobsoft.com.mx\/es_mx\/wp-json\/wp\/v2\/posts\/930\/revisions"}],"predecessor-version":[{"id":1804,"href":"https:\/\/www.jacobsoft.com.mx\/es_mx\/wp-json\/wp\/v2\/posts\/930\/revisions\/1804"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.jacobsoft.com.mx\/es_mx\/wp-json\/wp\/v2\/media\/931"}],"wp:attachment":[{"href":"https:\/\/www.jacobsoft.com.mx\/es_mx\/wp-json\/wp\/v2\/media?parent=930"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.jacobsoft.com.mx\/es_mx\/wp-json\/wp\/v2\/categories?post=930"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.jacobsoft.com.mx\/es_mx\/wp-json\/wp\/v2\/tags?post=930"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}