Una spiegazione intuitiva (e breve) del teorema di Bayes
Il filtraggio dello spam basato su una lista nera è difettoso: è troppo restrittivo e i falsi positivi lo sono troppo grande. Ma il filtraggio bayesiano ci offre una via di mezzo: usiamo le probabilità. Mentre analizziamo le parole in un messaggio, possiamo calcolare la possibilità che sia spam (piuttosto che prendere una decisione sì / no). Se un messaggio ha una probabilità del 99,9% di essere spam, probabilmente lo è. Man mano che il filtro viene addestrato con un numero sempre maggiore di messaggi, aggiorna le probabilità che determinate parole conducano a messaggi di spam. I filtri bayesiani avanzati possono esaminare più parole di seguito, come un altro punto dati.
Ulteriori letture
Si parla molto di Bayes:
- Teorema di Bayes su Wikipedia
- Discussione sulla codifica dellhorror
- Il grande saggio sul teorema di Bayes
Buon divertimento!
Altri post in questa serie
- Una breve introduzione alla probabilità & Statistiche
- Una spiegazione intuitiva (e breve) di Bayes “Teorema
- Comprensione del teorema di Bayes con i rapporti
- Comprensione del problema di Monty Hall
- Come analizzare i dati utilizzando la media
- Comprendere il compleanno Paradosso
admin
0