Uma explicação intuitiva (e curta) do teorema de Bayes
A filtragem de spam com base em uma lista negra é falha – é muito restritiva e os falsos positivos são muito bom. Mas a filtragem bayesiana nos dá um meio-termo – usamos probabilidades. Conforme analisamos as palavras em uma mensagem, podemos calcular a chance de ser spam (em vez de tomar uma decisão sim / não). Se uma mensagem tem 99,9% de chance de ser spam, provavelmente é. Conforme o filtro é treinado com mais e mais mensagens, ele atualiza as probabilidades de que certas palavras levem a mensagens de spam. Filtros Bayesianos avançados podem examinar várias palavras em uma linha, como outro ponto de dados.
Leitura adicional
Há muito sendo dito sobre Bayes:
- Teorema de Bayes na Wikipedia
- Discussão sobre o terror da codificação
- O grande ensaio sobre o Teorema de Bayes
Divirta-se!
Outras postagens nesta série
- Uma breve introdução à probabilidade & Estatísticas
- Uma explicação intuitiva (e curta) de Bayes “Teorema
- Compreendendo o teorema de Bayes com proporções
- Compreendendo o problema de Monty Hall
- Como analisar dados usando a média
- Compreendendo o aniversário Paradoxo
admin
0