!"#$ &' (')*+*",'+ -+$,&" .,/"0-'+ 12"3$3*4*+5$+ Dr. Dr. Pedro Aarón Hernández Her nández Ávalos Áv alos
C.A.T.I.A.
!"#$%&'((!)"
C.A.T.I.A.
Cuerpo Académico en Tecnologías Tecnologías de la Información Aplicada
2
!"#$%&'((!)"
C.A.T.I.A.
Cuerpo Académico en Tecnologías Tecnologías de la Información Aplicada
2
"+,-.+/01+ 2-.345+ 60/ 7489.0
C.A.T.I.A.
3
6278','+ &' 4$ 92"3$3*4*&$& •
:;.< =$+-$4*&$&> =$+" ?"25-*5"@ •
A*, :-#3" ,* 62&',
¿Cómo ganar? C.A.T.I.A.
Cuerpo Académico en Tecnologías de la Información Aplicada
4
¿Cómo osamos hablar de leyes del azar? ¿No es, acaso, el azar la antítesis de cualquier ley? Bertrand Rusell
C.A.T.I.A.
5
#%:; &< &<(!=!%"<= C.A.T.I.A.
Cuerpo Académico en Tecnologías de la Información Aplicada
6
>?+ @.49+93/36+6 A45 +B-6+ + ,48+. 6023534A05C La probabilidad de tener un accidente de tráfico aumenta con el tiempo que pasas en la calle. Por tanto, cuanto mas rápido circules, menor es la probabilidad de que tengas un accidente.
C.A.T.I.A.
7
>?+ @.49+93/36+6 A45 +B-6+ + ,48+. 6023534A05C El 33 % de los accidentes mortales involucran a alguien que ha bebido. Por tanto, el 67 % restante ha sido causado por alguien que no había bebido.
A la vista de esto y de lo anterior, esta claro que la forma más segura de conducir es ir borracho y a gran velocidad. C.A.T.I.A.
8
BC-D ,')'+*5" 9$2$ 5"#$2 -,$ 602353DA ', #* E*&$F •
•
•
BC-D )$22'2$ '+5-&*$2F B:',-,)*$2 $ -, 52$3$G"F B.+5-&*$2 -, 9"+82$&"F
•
B="#92$2 -, $-5"F BC-D ',/'2#'&$& H',' -, 9$)*',5'F B=$+$2+'F B(')*&*2 +* E'" -,$ 9'47)-4$F
•
B=',$2 -, 94$5" &' )'2'$4F
•
•
•
C.A.T.I.A.
Cuerpo Académico en Tecnologías de la Información Aplicada
9
I$ J,/"2#$)*K, )"#" 'G' E*5$4 9$2$ 5"#$2 &')*+*",'+ •
•
•
!"&"+ 5','#"+ &*+H,5$+ 2'+9-'+5$+> 9'2" 5"&"+ 2'0-'2*#"+ &' !AE4.8+23DA 9$2$ 5"#$2 &')*+*",'+@ I$ *,/"2#$)*K, 9"&27$ +'2 4$ #*+#$ 9$2$ 5"&"+> 9'2" 5"&"+ 9"&27$#"+ 5','2 &*+H,5$+ #$,'2$+ &' *,5'292'5$24$@ B=K#" 52$+4$&$2 '+5$ $))*K, ,$5-2$4 ', -, #"&'4" $2HL)*$4 0-' 9'2#*5$> $ 9$2H2 &' )*'25$ *,/"2#$)*K,> 5"#$2 &')*+*",'+F
C.A.T.I.A.
Cuerpo Académico en Tecnologías de la Información Aplicada
10
("+ /-',5'+ &' *,/"2#$)*K, ', ,-'+52" )'2'32" • •
•
• •
M@ J,/"2#$)*K, $ !"#$"# N9'2#*5' G-*)*"+ $ 92*"2*O P@ J,/"2#$)*K, )",&*)*",$&$ 9"2 -,$ 0F360A23+ 4950.F+6+@
BQ )K#" 5"#" -,$ &')*+*K,F
RA' 44$#$ 3AE0.0A23+< !"#$% (% &)$)" *+) $#+&%$*%+$,) # (%(*$," )-.# (% #/") $#&)0 12)%3
C.A.T.I.A.
Cuerpo Académico en Tecnologías de la Información Aplicada
11
:'92'+',5$)*K, &' 4$ J,/"2#$)*K, • •
•
•
•
•
J,/"2#$)*K, !'S5-$4 N4*32"+> )$25$+> 5'S5" &*8*5$4O J,/"2#$)*K, T*+-$4 N*#U8','+> &*3-G"+> E*&'"+O J,/"2#$)*K, $-&*HE$ NA'V$4'+ &' $-&*"O =", '4 *,)2'#',5" 'S9",',)*$4 &' !J> '4 )2')*#*',5" &' 4$ #*+#$ ', 4$+ W 92*,)*9$4'+ 2'92'+',5$)*",'+ )2')' $ 9$+"+ $8*8$,5$&"+@ B=K#" &*+)2*#*,$#"+ *,/"2#$)*K, 2'4'E$,5' &' 4$ 0-' ," 4" '+F =", 0-D H9" &' *,/"2#$)*K, 5"#$#"+ &')*+*",'+F X:'4'E$,5' Y J22'4'E$,5'Z
C.A.T.I.A.
Cuerpo Académico en Tecnologías de la Información Aplicada
12
P (A|B )
=
P A ∩ B) P (B )
G$%H;H!?!&;& (%"&!(!%";?
C.A.T.I.A.
Cuerpo Académico en Tecnologías de la Información Aplicada
13
635',*',&" 92"3$3*4*&$&'+ E7$ >"-9/+64C >?/-F3+C '+5$&7+H)$ I I J I I J I I J J I
J J I J J I I J J
P (A|B )
P( Nub | Lluvia)
P( Nub | Lluvia)
6
P(Nublado)
=
P( Nublado) P(Lluvia) P( Lluvia ) C.A.T.I.A.
=
10 4 10
4 =
=
10 6 10
=
=
=
=
0.6 0.4
P( Nub | Lluvia)
P( Nub | Lluvia)
=
P (A ∩ B ) P (B )
P( Nub ! Lluvia) =
0.3 =
P( Lluvia)
0.4
P( Nub ! Lluvia) =
0.1 =
P( Lluvia)
0.3 =
P( Lluvia)
=
0.6
P( Nub ! Lluvia) =
0.3 =
P( Lluvia)
0.25
=
0.4
P( Nub ! Lluvia) =
0.75
=
=
0.6
0.50 0.50
0.4 0.6
14
P (A|B )
=
P (A ∩ B ) P ( A | B )
P (A ∩ B ) P (B )
= P (A|B ) × P (B ) =
P ( B | A ) ! P ( A ) P ( B )
#<%$<:; &< H;K<= C.A.T.I.A.
Cuerpo Académico en Tecnologías de la Información Aplicada
15
W #U0-*,$+> 92"&-)5"+ &'/')5-"+"+ 0.05
0.6
A
0.95
0.10 0.2
B
0.90
0.7
0.3
C
0.93
D no D D
¿ P (A|D) ?
no D D no D
P. Condicional
P (A|B ) C.A.T.I.A.
Cuerpo Académico en Tecnologías de la Información Aplicada
16
W #U0-*,$+> 92"&-)5"+ &'/')5-"+"+ A
B
D
P ( A | D )
P ( D ! A ) =
P ( D )
Intersección
P (A ∩ B )
C
C.A.T.I.A.
= P (A|B ) × P (B )
P (D ∩ A)
Cuerpo Académico en Tecnologías de la Información Aplicada
= 0.05 × 0.6 = 0.03
17
";!L< H;K<=
C.A.T.I.A.
Cuerpo Académico en Tecnologías de la Información Aplicada
18
C.A.T.I.A.
Outlook
Temp
Humidity
Windy
Class
sunny
hot
high
false
Don't Play
sunny
hot
high
true
Don't Play
overcast
hot
high
false
Play
rainy
mild
high
false
Play
rainy
cool
normal
false
Play
rainy
cool
normal
true
Don’t Play
overcast
cool
normal
true
Play
sunny
mild
high
false
Don’t Play
sunny
cool
normal
false
Play
rainy
mild
normal
false
Play
sunny
mild
normal
true
Play
overcast
mild
high
true
Play
overcast
hot
normal
false
Play
rainy
mild
high
true
Don’t Play
Cuerpo Académico en Tecnologías de la Información Aplicada
( $ 5 $ A ' 5
19
= 4 $ + * L ) $ ) * K ,
C.A.T.I.A.
Outlook
Temp
Humidity
Windy
Class
sunny
cool
high
true
?
Cuerpo Académico en Tecnologías de la Información Aplicada
20
Naive Bayes Outlook
temperature
yes
no
yes
no
sunny
2
3
hot
2
2
overcast
4
0
mild
4
2
rainy
3
2
cool
3
1
sunny
2/9
3/5
hot
2/9
overcast 4/9
0/5
mild
2/5
cool
rainy
3/9
humidity
windy
yes
no
yes
no
High
3
4
False
6
2
normal
6
1
true
3
3
2/5
high
3/9
4/5
false
6/9
2/5
4/9
2/5
normal
6/9
5/5
true
3/9
3/5
3/9
1/5
play
yes
no
9
5
9/14
5/14
C.A.T.I.A.
Cuerpo Académico en Tecnologías de la Información Aplicada
21
Naive Bayes (Test) Outlook
Temp
Humidity
Windy
Class
sunny
cool
high
true
?
• P(Class = yes | Outlook = sunny ! Temp = cool ! Humidity = high ! Windy = true) • P(Class = no | Outlook = sunny ! Temp = cool ! Humidity = high ! Windy = true)
Teorema de Bayes C.A.T.I.A.
P ( A | B )
=
P ( B | A ) ! P ( A )
Cuerpo Académico en Tecnologías de la Información Aplicada
P ( B ) 22
Naive Bayes (Test) P(Class
=
yes | Outlook
P(Outlook
=
sunny
!
=
sunny
Temp
=
!
Temp
cool
!
=
cool
!
Humidity
=
Humidity high
!
=
high
Windy
=
!
Windy
true)
=
true|Class
=
=
yes) " P(Class
=
yes)
=
=
P(Outlook P(Outlook P(Windy
"
=
=
=
sunny | Class
true|Class
=
sunny
=
!
Temp
yes) " P(Temp
yes) " P(Class
=
=
cool
=
!
Humidity
cool | Class
=
=
high
!
Windy
yes) " P(Humidity
=
=
true)
high|Class
=
yes) "
yes)
=
=
P(Outlook
=
sunny
!
Temp
=
cool
!
Humidity
=
high
!
Windy
2 3 3 3 9 9 " 9 " 9 " 9 " 14
=
P(Outlook
=
sunny
!
Temp
=
cool
!
Humidity
=
true)
= =
high
!
Windy
high
!
Windy
=
true)
0,0053 =
P(Outlook
C.A.T.I.A.
=
sunny
!
Temp
=
cool
!
Humidity
=
=
true)
Cuerpo Académico en Tecnologías de la Información Aplicada
23
Naive Bayes (Test) P(Class
=
no | Outlook
P(Outlook
=
=
sunny ! Temp
"
P(Windy
=
=
=
=
cool ! Humidity
sunny ! Temp cool ! Humidity =
P(Outlook P(Outlook
=
=
=
sunny | Class
true | Class P(Outlook
=
=
sunny ! Temp
=
no) " P(Temp
no) " P(Class
=
=
=
=
=
high ! Windy
high ! Windy
cool ! Humidity cool | Class
=
=
=
=
true)
true | Class
high ! Windy
no) " P(Humidity
=
=
=
=
no) " P(Class
=
no) =
true)
high | Class
=
no ) "
n o)
sunny ! Temp cool ! Humidity =
=
high ! Windy
3 1 4 3 5 " " " " 5 5 5 5 14
P(Outlook
=
sunny ! Temp cool ! Humidity =
=
high ! Windy true)
=
true)
=
=
=
0,0206 =
C.A.T.I.A.
P(Outlook
=
sunny ! Temp cool ! Humidity =
=
high ! Windy
=
true)
Cuerpo Académico en Tecnologías de la Información Aplicada
24
Naive Bayes (Test)
P(Class yes | Outlook sunny ! Temp cool ! Humidity =
=
=
=
high ! Windy true) =
=
0,0053 =
P(Outlook sunny ! Temp cool ! Humidity =
=
=
high ! Windy true)
P(Class no | Outlook sunny ! Temp cool ! Humidity =
=
=
=
=
high ! Windy true) =
=
0,0206 =
P(Outlook sunny ! Temp cool ! Humidity =
C.A.T.I.A.
=
=
high ! Windy true) =
Cuerpo Académico en Tecnologías de la Información Aplicada
25
Naive Bayes (Test)
P yes
=
0,0053
0,0053
P(E) 0,0053 0,0206
P(E) 0,0053 + 0,0206
P(E)
+
=
P ( E )
=
0,0053 0,0259
=
20.5%
P ( E )
0,0206 P no
=
P(E) 0,0053 0,0206 P(E)
C.A.T.I.A.
+
P ( E )
=
79,5%
NO se juega
Cuerpo Académico en Tecnologías de la Información Aplicada
26
;G?!(;(!%"<=
C.A.T.I.A.
Cuerpo Académico en Tecnologías de la Información Aplicada
27
., J#U8','+> '4 )'2'32" '+ -, 9"&'2"+" *,+52-#',5" &' :')",")*#*',5" &' 1$52",'+@ •
!','#"+ #$,'2$+ &*E'2+$+ &' *,5'292'5$2 4$ 2'$4*&$&@
C.A.T.I.A.
28
:')-9'2$,&" J,/"2#$)*K, T*+-$4 M@ 12")'+$2 -,$ *#$8',< ,4).% ,+ 56 ,4).% #*/ P@ ;,$4*[$2 -,$ J#$8',< ,4).% ,+ 56 4%)&*"%4%+/& #*/ W@ .,5',&*',&" -,$ *#$8',< ,4).% ,+ 56 7,.75-%8%(%&$",9:#+ #*/ ;<*=- (% -)& > 2%)-,?) +*%&/"# <%"%@"#A •
;B*C %& *+) ,4).%+A D)/%4=:$)4%+/%E 9*%(% &%" 8,&/) $#4# *+) 4)/",? %&'()* (#+(% F + -)& G-)&E H -)& $#-*4+)&0 I $)() 9,F%- %&/= (%G+,(# 9#" *+) $##"(%+)() %+ (,$7) 4)/",?0
C.A.T.I.A.
29
17S'4@ Pi + x + el: Picture element. R 2
f (r , c)
=
p
p : tono de color. =
r row, (renglón). =
c
=
column (columna).
Vo + x + el: Volume element. R 3
C.A.T.I.A.
30
12")'+$2 -,$ J#$8', •
•
\-+)$,&" )$2$)5'27+H)$+ *,E$2*$,5'+ ', -,$ *#$8',@ –
\"2&'+F
–
] .G'#94" &' ;94*)$)*K, ]
^H4*&$& &' 4$ =",E"4-)*K, P(
C.A.T.I.A.
31
('5'))*K, &' \"2&'+ •
] .G'#94" &' ;94*)$)*K,
C.A.T.I.A.
32
.4 92")'+$&" 9-'&' +'2E*2 9$2$ $,$4*[$2 #'G"2 -,$ *#$8',R
C.A.T.I.A.
33
;,$4*[$2 -,$ J#$8', •
•
C.A.T.I.A.
W_ 1-,5"+ 34$,)"+ )", `a 97S'4'+ &' +-9'2L)*' ', 92"#'&*" P 1-,5"+ )", +-9'2L)*' #$b"2 0-' Maa 97S'4'+
34
•
•
•
] .G'#94" &' ;94*)$)*K,@
6=:
B="#" 2')",")'2 14$)$+ ', -, ;-5"#KE*4F B=K#"
C.A.T.I.A.
35
.,5',&*#*',5" &' -,$ J#$8', •
•
•
•
J#$8' :'52*'E$4cc d$b P "3G'HE"+ ', '4 ',5',&*#*',5" &' -,$ *#$8',< d$)*$ '4 2')",")*#*',5" &' "3G'5"+ '+9')7L)"+ ', -,$ *#$8',@ d$)*$ '4 2')",")*#*',5" &' )$5'8"27$+ &' "3G'5"+> &' -,$ #$,'2$ #U+ )'2)$,$ $4 ',5',&*#*',5" &' 4$ E*+*K,> &'+&' '4 9-,5" &' E*+5$ 3*"4K8*)"@
C.A.T.I.A.
36
.,5',&*#*',5" &' -,$ J#$8', Scale Invariant Features Transform (SIFT) Detección de Objetos.
C.A.T.I.A.
37
;94*)$)*",'+ &' 4$ :')-9'2$)*K, T*+-$4 •
J,/"2#UH)$ eD&*)$ –
•
T*8*4$,)*$ –
•
:')-9'2$)*K, W(> J;@
:"3KH)$ –
•
:"3"> =",5'" &' T'g*)-4"+@
T*&'"G-'8"+ Nh*,')5O –
•
!-#"2'+> ;,8*"82$f$+> ;,U4*+*+ =*5"4K8*)"@
('+$22"44" &' ;8',5'+ J,5'4*8',5'+@ J;@
;,U4*+*+ &' T*&'"+ NQ"- !-3'O –
C.A.T.I.A.
6/'25$+ b 1-34*)*&$& 38