Marcus Sampaio DSC/UFCG. Marcus Sampaio DSC/UFCG NaïveBayes Na modelagem estatística, todos os atributos são considerados igualmente importantes e independentes.

Apresentação em tema: "Marcus Sampaio DSC/UFCG. Marcus Sampaio DSC/UFCG NaïveBayes Na modelagem estatística, todos os atributos são considerados igualmente importantes e independentes."— Transcrição da apresentação:

1 Marcus Sampaio DSC/UFCG

2 Marcus Sampaio DSC/UFCG NaïveBayes Na modelagem estatística, todos os atributos são considerados igualmente importantes e independentes um do outro, dada uma classe Apesar desta suposição irrealista, ela conduz a um esquema bastante simples, com resultados surpreendentemente bons A idéia é contar quantas vezes cada par atributo-valor ocorre com cada valor do atributo-classe Este método simples e intuitivo é baseado na Regra de Bayes, de probabilidade condicional

3 Marcus Sampaio DSC/UFCG Usaremos o problema do tempo, como exemplo

4 Marcus Sampaio DSC/UFCG Estado/Temperatura simnão simnão ensolarado23quente22 nublado40amena42 chuvoso32fria31 ensolarado2/93/5quente2/92/5 nublado4/90/5amena4/92/5 chuvoso3/92/5fria3/91/5

5 Marcus Sampaio DSC/UFCG /Umidade /Ventania Jogo simnão simnão simnão alta34falso62 95 normal61verdade33 alta3/94/5falso6/92/5 normal6/91/5verdade3/93/5 9/145/14

6 Marcus Sampaio DSC/UFCG A idéia de um programa Oráculo, ou Preditor, baseado em estatísticas de Bayes

7 Marcus Sampaio DSC/UFCG EstadoTemp.UmidadeVentaniaJogo ensol.friaaltaverdade?

8 Marcus Sampaio DSC/UFCG Probabilidade de ter jogo (tem_jogo = 'sim') –2/9 x 3/9 x 3/9 x 3/9 x 9/14 = 0.0053 Probabilidade de não ter jogo (tem_jogo = 'não') –3/5 x 1/5 x 4/5 x 3/5 x 5/14 = 0.0206 Conclusão: para o dia previsto  ensolarado, frio, ventoso e com umidade alta  é aproximadamente quatro vezes mais provável que não haja jogo

9 Marcus Sampaio DSC/UFCG Probabilidades em percentagem –P[sim] = 0.0053 / (0.0053 + 0.0206) = 20.5% –P[não] = 0.0206 / (0.0053 + 0.0206) = 79.5%

10 Marcus Sampaio DSC/UFCG Rodando WEKA NaiveBayesSimple === Classifier model (full training set) === Naive Bayes (simple) Class yes: P(C) = 0.625 Attribute outlook sunny overcast rainy 0.25 0.416666670.33333333...

11 Marcus Sampaio DSC/UFCG Class no: P(C) = 0.375 Attribute outlook sunnyovercastrainy 0.5 0.125 0.375...

12 Marcus Sampaio DSC/UFCG Note a enorme imprecisão da vírgula flutuante na WEKA –Na nossa planilha 9/14 = 0,643 5/14 = 0,357 –Na WEKA 9/14 = 0,625 5/14 = 0,375