¿Qué es un clasificador bayesiano ingenuo?

El clasificador naive bayes es un clasificador probabilístico simple basado en la aplicación del teorema de Bayes con la suposición de independencia entre las características.

Idea:

• Se calcula la probabilidad de que un objeto pertenezca a una clase, considerando los valores de las características.
• Se asume que todas las características son independientes, lo que simplifica los cálculos.

Ejemplo: clasificación de correos electrónicos como spam o no spam según las palabras en el texto.

Ventajas:

• Rápido y fácil de implementar.
• Funciona bien con grandes conjuntos de datos.

Limitaciones:

• La suposición de independencia de las características a menudo no se cumple, lo que puede reducir la precisión.

Ejemplo en Python usando sklearn:

from sklearn.naive_bayes import MultinomialNB
from sklearn.feature_extraction.text import CountVectorizer

texts = ["mensaje spam", "reunión importante", "compra ahora", "actualización del proyecto"]
labels = [1, 0, 1, 0]  # 1 - spam, 0 - no spam

vectorizer = CountVectorizer()
X = vectorizer.fit_transform(texts)

model = MultinomialNB()
model.fit(X, labels)

new_text = ["compra reunión"]
X_new = vectorizer.transform(new_text)
prediction = model.predict(X_new)
print(prediction)  # Mostrará [1] - spam