Академический Документы
Профессиональный Документы
Культура Документы
/supervised learning_
>> PROGRAMA DE FORMACION DATA SCIENCE
El uso del
sentido común
y el
conocimiento
previo es algo
que hacemos
sin pensar._
Pelo P(♂) x P( Pelo / ♂)
Pelo
P(♀) P(♂/
P(♂/largo
P(♂/ Pelo
)=))==largo)
P (pelo
largo
(0.98)*(0.04)
0.784
= 0.05≈ 0.8
largo P(♂)
P(
P(♀) ♀
pelo
= / ♀ ))
Xcon
0.02
largo P (pelo
0.05largo)
P( ♂pelo
Xcon/♂))
P( largo
/ ♀)
pelo
P(pelo largo 100 INDIVIDUOS P(
P(♂) =
pelo
largo
P(pelo 0.98
/♂)
largo
=largo
0.5 = 0.04
largo
== 0.01
0.01 == 0.01
0.04
1♀ 25
CABELLO
♀
CORTO
CABELLO
CORTO 9448♂
2
50 ♂CABELLO
CABELLO 98
50
98
♀
CORTO
1♀ 25 CORTO
CABELLO
LARGO CABELLO
LARGO CABELLO
4♂ 2♂
CABELLO LARGO
LARGO
¿El individuo de pelo largo es mas probable que sea hombre o mujer?
evidencia
Datos 𝑃 𝐵
MARGINAL
reales
𝑃 𝐴
A_PRIORI
INFERENCIA
𝑷 𝑩Τ𝑨 ⋅ 𝑷 𝑨 LIKELIHOOD
𝑷 𝑨Τ𝑩 =
BAYESIANA_
𝑷 𝑩 𝐵Τ𝐴
𝑃 Datos
analizados
A_POSTERIORI
𝑃 𝐴Τ𝐵
Consecuencia
lógica
//_Representación
gráfica
de dependencias
para razonamiento
probabilístico_
REDES NODO
BAYESIANAS Variable
aleatoria
ARCO
relación de dependencia
Modelo
probabilístico
Modelo
REDES
Grafo
BAYESIANAS dirigido
aciclico
Probabilidad
REDES BAYESIANAS P(TERREMOTO)
0.002
P(ROBO)
0.001
ROBO TERREMOTO
JUAN MARIA
LLAMA LLAMA
Consiste en una
representación de los
estados de un proceso en
un tiempo y las
relaciones temporales
entre dichos procesos
APLICACIÓN DE
LAS REDES
BAYESIANAS
PIERRE-SIMON LAPACE