Inteligência Artificial – Aprendizado Bayesiano

CAWE COY RODRIGUES MAEGA

Inteligência Artificial – Aprendizado Bayesiano

LONDRINA - PR

2012
INTRODUÇÃO:
O presente seminário visa a implementação do algoritmo de predição Bayesiano. Primeiramente a introdução sobre o teorema de Bayes, suas derivações e exemplos práticos serão explicados. Em seguida, mostraremos qual a maneira utilizada para a implementação e resolução de problemas de acordo com o teorema.
TEOREMA DE BAYES: O teorema de Bayes, postulado pelo reverendo Inglês Thomas Bayes, é a opção de predição probabilística mais utilizada hoje em dia. A sua ideia para calcular as probabilidades só foi publicada após a sua morte, sendo uma explicação de como eram abordados os problemas propostos por matemáticos anteriores a ele. Depois de fundamentado, seu teorema virou uma lei fundamental da matemática.
Em sua essência, o que a premissa de Bayes buscava de inovador era o caráter não preciso na previsão de um evento, ou seja, a opinião do indivíduo que manipula os números entra de modo crucial nos cálculos. Essa opinião é baseada na quantidade de informação que se tem nas mãos sobre as condições de ocorrer tal evento. As informações vão definitivamente influenciar a previsão. Então, numa disputa de cara ou coroa, por exemplo, todo mundo concorda que a chance de alguém ganhar é de 50%. Mas se o trato for de jogar a moeda quatro vezes, o método bayesiano de fazer previsão vai se ajustando a cada jogada. Se der "cara" nas duas primeiras jogadas, as chances para as jogadas posteriores não serão mais meio-a-meio, segundo Bayes. Usando esse método na previsão das chances de um time A vencer um time B, deve-se levar em conta as informações que se tem sobre resultados anteriores a essa disputa, como quantas vezes A venceu B, e as experiências e opiniões de especialistas sobre esse jogo, o campeonato e os jogadores.
Fazer o uso destas probabilidades é determinar suposições de eventos, se