O que é um classificador bayesiano ingênuo?

O classificador Naive Bayes é um classificador probabilístico simples baseado na aplicação do teorema de Bayes, assumindo a independência entre as características.

Ideia:

• Calcula a probabilidade de um objeto pertencer a uma classe, considerando os valores das características.
• Assume que todas as características são independentes, o que simplifica os cálculos.

Exemplo: classificação de emails como spam ou não spam com base nas palavras no texto.

Vantagens:

• Rápido e fácil de implementar.
• Funciona bem com grandes conjuntos de dados.

Limitações:

• A suposição de independência das características muitas vezes não é verdadeira, o que pode reduzir a precisão.

Exemplo em Python usando sklearn:

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

texts = ["mensagem spam", "reunião importante", "comprar agora", "atualização do projeto"]
labels = [1, 0, 1, 0]  # 1 - spam, 0 - não spam

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

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

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