Lección 10 del curso Probabilidad Nivel Avanzado.
En el módulo anterior vimos qué son y para qué sirven los Modelos de Mezcla Gaussiana que pueden ser usados en tareas de clustering (o agrupamiento) así como para estimar la distribución de un set de datos.
Además, vimos la explicación detallada de cómo funcionan estos modelos de mezcla Gaussiana y vimos cómo usar estos modelos de mezcla gaussiana para resolver un problema de segmentación de clientes.
En este último módulo del curso nos enfocaremos en otro sencillo pero a la vez poderoso modelo probabilístico que permite resolver problemas de clasificación en el Machine Learning: hablaremos del modelo de Naive Bayes.
Y en esta lección comenzaremos entendiendo qué son y para qué sirven estos Modelos de Naive Bayes:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Bien, ya tenemos una idea general de lo que es un modelo clasificador de Naive Bayes, que en últimas es un algoritmo probabilístico que hace uso del Teorema de Bayes para realizar tareas de clasificación de datos.
Y con esta introducción general ya estamos listos para ver la explicación detallada del funcionamiento de los modelos Naive Bayes que será el tema de la próxima lección.
Todas las lecciones del curso Probabilidad Nivel Avanzado