REDES BAYESIANAS

INTRODUCCIÓN

Las Redes Bayesianas son utilizadas para sistemas expertos, debido a que se pueden realizar reglas de inferencia bayesiana que ayudan a estos sistemas a ser más inteligentes, estas reglas de inferencia sirven para estimar la probabilidad posterior de las variables no conocidas, en base a las variables conocidas.

Las redes bayesianas tienen muchas aplicaciones; se las puede aplicar para clasificación, predicción, diagnóstico, etc.

Al principio estos modelos se los realizaba a mano; pero en la actualidad existen diversas técnicas para efectuar aprendizaje a partir de los datos que resultan de la aplicación de este modelo a variables de un mundo conocido.

Definición

Las Redes Bayesianas son un grafo acíclico dirigido que consta de nodos que representan las variables aleatorias y los arcos son las dependencias probabilísticas de cada variable, las redes bayesianas son un conjunto de variables aleatorias representadas en un grafo dirigido, el arco entre dos variables x e y, significa una influencia directa de x sobre y.

Los nodos son cualquier variable como por ejemplo variables que se pueden medir, variables latentes o hipótesis. Las redes bayesianas son utilizadas para sistemas expertos y se pueden utilizar diversos tipos de algoritmos para recopilar conocimiento par a estos sistemas.

Figura 1. Ejemplo de una red bayesiana [1]

Los nodos representan variables aleatorias y los arcos las relaciones de dependencia. En esta red observamos que [1]:

• Caries es una causa directa de Dolor y Huecos
  
• Dolor y Huecos son condicionalmente independientes dada Caries
• Tiempo es independiente de las restantes variables

Tiempo es independiente de las restantes variables

Existen diferentes tipos de redes bayesianas [2]:

Naive Bayes = bayes “ingenuo” o Idiot's Bayes
Forma de “V” => 2 ^ n estados en el nodo inferior

DBNs = Redes Bayesianas Dinámicas
Cambian con el tiempo (t, t+1, t+2...)
Lo pasado en t, tiene relación con lo que suceda en t+1

Redes Gaussianas = distribución gaussiana
Para nodos con variables continuas

Cadenas de Markov = subconjunto de las RB


Aplicaciones

Las redes bayesianas tienen múltiples aplicaciones, se puede aplicar este modelo en empresas que necesiten diagnosticar problemas o fallos o también para minería de datos.
A continuación tenemos algunos campos en donde podemos aplicar las redes bayesianas [3]:

Prevención del fraude
Prevención del abandono de clientes
Blanqueo de dinero
Marketing personalizado
Mantenimiento preventivo
Clasificación de datos estelares

Aplicaciones en empresas [1]:

Microsoft: Answer Wizard (Office), diagnostico de problemas de impresora.
Intel: Diagnostico de fallos de procesadores
HP: Diagnostico de problemas de impresora
Nasa: Ayuda a la decisión de misiones espaciales

Referencias

[1] José L. Ruiz Reina, Introducción a las Redes Bayesianas, Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla, disponible en:
http://www.cs.us.es/cursos/ia2-2005/temas/tema-08.pdf
[2] Álvaro Marín Illera, Sistemas Expertos, Redes Bayesianas y sus aplicaciones, Semana ESIDE, Abril 2005, Universidad de Deusto, disponible en:
http://www.e-ghost.deusto.es/docs/2005/conferencias/Bayes05.pdf

[3] Red bayesiana, disponible en: http://es.wikipedia.org/wiki/Red_bayesiana

[4] Jorge Luís Guevara Díaz, Redes Bayesianas, disponible en: http://jorge.sistemasyservidores.com/si_2008i/clases/claseiarazonamientoprobabilistico.pdf

[5] Carlos López de Castilla Vásquez, Clasificadores Por Redes Bayesianas, Universidad de Puerto Rico, disponible en:
http://grad.uprm.edu/tesis/lopezdecastilla.pdf