Estudio fundamental de la teoría de probabilidad para el funcionamiento del algoritmo de Naive Bayes
Los estudiantes de la carrera de matemáticas de la Escuela Superior Politécnica del Chimborazo reciben una formación sólida en probabilidad, sin embargo, en honor al tiempo el tópico Naive Bayes no está contemplado en el sílabo, es por ello que este documento se diseñará específicamente para enrique...
Saved in:
| Main Author: | |
|---|---|
| Format: | bachelorThesis |
| Language: | spa |
| Published: |
2024
|
| Subjects: | |
| Online Access: | https://dspace.espoch.edu.ec/handle/123456789/23754 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Add Tag | Summary: | Los estudiantes de la carrera de matemáticas de la Escuela Superior Politécnica del Chimborazo reciben una formación sólida en probabilidad, sin embargo, en honor al tiempo el tópico Naive Bayes no está contemplado en el sílabo, es por ello que este documento se diseñará específicamente para enriquecer el conocimiento de los estudiantes interesados en el área aplicativa. El objetivo de este proyecto de investigación fue estudiar las nociones matemáticas fundamentales de la teoría de probabilidad, a través de una revisión documental, con el fin de comprender su aplicación en el funcionamiento del algoritmo de Naive Bayes, particularmente para la detección de un spam. La metodología utilizada fue cualitativa, documental y de tipo descriptivo, centrada en la recolección y análisis de información proveniente de fuentes confiables sobre la teoría de probabilidad y su relación con dicho algoritmo. El resultado que se obtuvo fue una monografía de estudios bajo el título: “Naive Bayes Teoría e Implementación Práctica”, la misma que está estructurada en cuatro capítulos, en donde se describe de forma clara y comprensible definiciones, conceptos y demostraciones como el teorema de Bayes, independencia condicional, Naive Bayes entre otros; además se presenta el algoritmo de Naive Bayes mismo que permitió realizar la detección de spams. Finalmente, se concluyó que la comprensión profunda de los principios de la teoría de probabilidad es crucial para la implementación exitosa de algoritmos de clasificación, como Naive Bayes, y su aplicación en problemas reales de procesamiento de datos. Como recomendación para futuras investigaciones, se sugiere explorar otros algoritmos de aprendizaje automático y su rendimiento en diferentes tipos de datos y contextos. |
|---|