Una explicación intuitiva (y breve) del teorema de Bayes

El filtrado de spam basado en una lista negra es defectuoso: es demasiado restrictivo y los falsos positivos son demasiado bueno. Pero el filtrado bayesiano nos da un término medio: usamos probabilidades. A medida que analizamos las palabras de un mensaje, podemos calcular la probabilidad de que sea spam (en lugar de tomar una decisión de sí o no). Si un mensaje tiene un 99,9% de posibilidades de ser spam, probablemente lo sea. A medida que el filtro se entrena con más y más mensajes, actualiza las probabilidades de que ciertas palabras conduzcan a mensajes de spam. Los filtros bayesianos avanzados pueden examinar varias palabras seguidas, como otro punto de datos.

Lectura adicional

Se dice mucho sobre Bayes:

• Teorema de Bayes en Wikipedia
• Discusión sobre codificar el horror
• El gran ensayo sobre el teorema de Bayes

¡Diviértete!

Otras publicaciones de esta serie

1. Una breve introducción a la probabilidad & Estadísticas
2. Una explicación intuitiva (y breve) de Bayes «Teorema
3. Comprender el teorema de Bayes con razones
4. Comprender el problema de Monty Hall
5. Cómo analizar datos utilizando el promedio
6. Comprender el cumpleaños Paradoja