INVESTIGAR EL USO DE NAIVE BAYES
EN EL PROGRAMA R
Arias Gálvez Vicente Orlando
Universidad Técnica Estatal de Quevedo
vicente.arias2013@uteq.edu.ec

Abstract—.The purpose of this document is to present the
function of Naive Bayes to make predictions in categorical
variables and prove its usefulness in an example.
Index Terms—. Naive Bayes, variables categoricas
I. INTRODUCCIÓN
N aive Bayes se trata de una técnica de clasificación y
predicción supervisada que construye modelos que
predicen la probabilidad de posibles resultados.
En este documento se presentará la función de Naive Bayes
para realizar predicciones en variables categóricas y probar su
utilidad en un ejemplo.
Objetivo
 Determinar la función Naive Bayes para realizar
predicciones en variables categóricas.
 Comprobar el funcionamiento de la función Nave
Bayes en el programa R.
II. MARCO CONCEPTUAL
A. Naive Bayes
Se trata de una técnica de clasificación y predicción supervisada
que construye modelos que predicen la probabilidad de posibles
resultados. [1]
Complejidad
 La formulación ingenua de Bayes reduce drásticamente la
complejidad del clasificador bayesiano, ya que en este caso
solo se requiere la probabilidad previa (un vector
dimensional) de la clase, y las n probabilidades
condicionales de cada atributo dada la clase (matrices
bidimensionales) [1]
 El requisito de espacio se reduce de exponencial a lineal en
el número de atributos [1]
 El cálculo de la parte posterior se simplifica enormemente,
ya que para calcularlo (no normalizado) solo se requieren
n multiplicaciones. [1]
Teorema de Bayes
Está basada en el Teorema de Bayes, también conocido como
teorema de la probabilidad condicionada. Veamos un ejemplo
antes de expresar sus fórmulas para un mejor entendimiento del
mismo:
"Supongamos que un ingeniero esta buscando agua en un
terreno. A priori, se sabe que la probabilidad de que haya agua
en dicha finca es del 60%. No obstante, el ingeniero quiere
asegurarse mejor y decide realizar una prueba que permite
detectar la presencia o no de agua. Dicha prueba tiene una
fiabilidad del 90%, es decir, habiendo agua, la detecta en el 90%
de los casos. También, cuando realmente no hay agua, la prueba
predice que no hay agua en el 90% de los casos.
Por tanto, pudiendo hacer uso de dicha prueba ¿qué es más
probable, que haya agua o que no?" [2]
Como vemos, en el enunciado tenemos una probabilidad a
priori (60% de que haya agua) que se ve afectada por otra
probabilidad (el 90% de acierto de la prueba). Para resolver esta
problemática, Thomas Bayes nos dió la solución. La
probabilidad de que se dé un sucedo (que haya agua) habiendo
sucedido otro que influye en el anterior (que la prueba diga que
sí hay agua), se define con la siguiente fórmula: [2]
Por tanto, para resolver el problema, por un lado, habría que
calcular la probabilidad de que hubiese agua sabiendo que la
prueba ha detectado agua (P(Agua|Prueba+)); y por otro lado,
debemos calcular la probabilidad de que no hubiese agua
sabiendo que la prueba no ha detectado agua
(P(NoAgua|Prueba-)).
También se debe tener en cuenta que la probabilidad de que la
prueba salga positiva, es la suma de las probabilidades de todos
los casos posibles donde pueda salir la prueba positiva. Se debe
hacer igual con P(Prueba-):
𝑃(𝑃𝑟𝑢𝑒𝑏𝑎+) = 𝑃(𝑃𝑟𝑢𝑒𝑏𝑎 + |𝐴𝑔𝑢𝑎) · 𝑃(𝐴𝑔𝑢𝑎) + 𝑃(𝑃𝑟𝑢𝑒𝑏𝑎
+ |𝑁𝑜𝐴𝑔𝑢𝑎) · 𝑃(𝑁𝑜𝐴𝑔𝑢𝑎).
𝑃(𝑃𝑟𝑢𝑒𝑏𝑎+) = 0,9 · 0,6 + 0,1 · 0,4 = 0,58
𝑃(𝑃𝑟𝑢𝑒𝑏𝑎−) = 𝑃(𝑃𝑟𝑢𝑒𝑏𝑎 − |𝐴𝑔𝑢𝑎) · 𝑃(𝐴𝑔𝑢𝑎) + 𝑃(𝑃𝑟𝑢𝑒𝑏𝑎
− |𝑁𝑜𝐴𝑔𝑢𝑎) · 𝑃(𝑁𝑜𝐴𝑔𝑢𝑎).
𝑃(𝑃𝑟𝑢𝑒𝑏𝑎−) = 0,1 · 0,6 + 0,9 · 0,4 = 0,42
𝑃(𝐴𝑔𝑢𝑎|𝑃𝑟𝑢𝑒𝑏𝑎+) = (𝑃(𝑃𝑟𝑢𝑒𝑏𝑎 + |𝐴𝑔𝑢𝑎) · 𝑃(𝐴𝑔𝑢𝑎) ) / 𝑃(𝑃𝑟𝑢𝑒𝑏𝑎+)
= (0,9 · 0,6) / 0,58 = 𝟎, 𝟗𝟑
𝑃(𝑁𝑜𝐴𝑔𝑢𝑎|𝑃𝑟𝑢𝑒𝑏𝑎−)
= ( 𝑃(𝑃𝑟𝑢𝑒𝑏𝑎 − |𝑁𝑜𝐴𝑔𝑢𝑎)
· 𝑃(𝑁𝑜𝐴𝑔𝑢𝑎) ) / 𝑃(𝑃𝑟𝑢𝑒𝑏𝑎−) = (0,9 · 0,4) / 0,42
= 0,8
Debemos quedamos con el resultado que refleje más
probabilidad. En este caso, es más probable que haya agua.
Nota: P(Prueba+|Agua)=0,9, como se dice en el enunciado. Es
decir, en los casos que se ha visto que finalmente había agua, la
prueba ha acertado en el 90% de esos casos.

III. DESCRIPCIÓN METODOLÓGICA PARA

REALIZAR PREDICCIONES EN VARIABLES
CATEGÓRICAS
A continuación se presentara un ejemplo de predicciones
usando el modelo de Naive Bayes.
A. Ejemplo
Predecir Clientes con Naive Bayes
Una empresa quiere llamar a sus clientes para ofrecerles un
nuevo producto, pero quiere contactar únicamente a los clientes
con mayor probabilidad de compra, para ahorrar en el costo por
llamada.
Si se tienen DATOS HISTÓRICOS (de campañas anteriores o
pruebas pilotos) de clientes que SI aceptaron y clientes que NO
aceptaron comprar un producto cuando fueron contactados, y
también se tienen registros de NUEVOS CLIENTES a los que
se le quiere calcular la probabilidad de compra, teniendo algo
como: [3]
DATOS HISTÓRICOS
Paso 2
Como segundo paso creamos las probabilidades con los
“DATOS HISTÓRICOS” para ello cargamos la librería
library(e1071) que es una librería que tiene funciones para el
análisis de clase latente, transformada de Fourier de corta
duración, clustering difuso, máquinas de vectores de soporte,
cálculo de ruta más corta, agrupamiento en bolsas, clasificador
de Bayes ingenuo entre otras.
Posteriormente se aplica la siguiente función para calcular las
probabilidades de nuestros datos históricos:
Probabilidades <- naiveBayes(Compra ~., data=data[-1]) #
crea tabla Probabilidades
# Crea Probabilidades con Datos_Historicos y asigna
predicción a Nuevos_Clientes
library(e1071) # librerias de naiveBayes
Probabilidades <- naiveBayes(Compra ~., data=data[-1]) #
crea tabla Probabilidades

NUEVOS CLIENTES

Paso 1
Como primer paso importamos los “DATOS HISTÓRICOS”
en el programa R.

#Importación del conjunto de datos

fname="C:\\Users\\Usuario\\Escritorio\\Datos Historicos.csv"
data=read.table(fname,sep=";",dec=",",header=TRUE)
data
Nota: El símbolo de equivalencia o tilde seguido de un punto
(~.) indica que la variable Compra está definida por todas
variables de la tabla Datos_Historicos.
Paso 3
Creamos la tabla de los “NUEVOS CLIENTES” con las
siguientes funciones:
Idcliente =c(111,222,333)
EstadoCivil =c("soltero","casado","soltero")
Profesion =c("empresario","desempleado","empleado")
Universitario =c("no","si","no")
TieneVehiculo=c("si","no","no")
Nuevos_Clientes =
data.frame(Idcliente,EstadoCivil,Profesion,Universitario,Tiene
Vehiculo)

Paso 4
Realizamos la predicción para nuestros nuevos clientes:
Prediccion <- predict (Probabilidades ,Nuevos_Clientes); #
crea prediccion a datos nuevos
Prediccion
predict(Probabilidades, Nuevos_Clientes, type = "raw")

predict(Probabilidades, Nuevos_Clientes, type = "class")

Por ultimo agregamos los datos de predicción que nos salieron

a nuestra de los nuevos clientes

IV. CONCLUSIONES
 Se determinó la función para realizar la función de
Naive Bayes para realizar predicciones a las variables
categóricas.
 Se comprobó con éxito el funcionamiento de la
función Naive Bayes en el programa R.

V. REFERENCIAS

[1] L. E. Sucar, «Probabilistic Graphical Models, Springer 2,»

Capitulo 4, 2015.
[2] B. Sucar, «Multi-label Classification,» de Clasificador
Naïve Bayes, 2014, pp. 14-12.
[3] E. Santana, «Predecir Clientes con Bayes Ingenuo,»
DataMinig con R, 2014.