Aprendizaje discriminativo de clasificadores Bayesianos

El aprendizaje de modelos de clasificacion Bayesianos es, generalmente, un proceso generativo. Es decir, en el aprendizaje de dichos modelos se busca maximizar la verosimilitud del conjunto de datos dado el modelo aprendido. Sin embargo, existe otra aproximacion, el aprendizaje discriminativo, en la que se busca maximizar la verosimilitud condicional. Esta parece, en principio, una aproximacion mas natural para propositos de clasificacion. No obstante, no siempre los modelos aprendidos mediante un metodo discriminativo son mejores que los aprendidos con metodos generativos. Recientemente han aparecido en la bibliografia varios metodos para el aprendizaje discriminativo de clasificadores Bayesianos. En el presente articulo, se presenta un nuevo metodo para el aprendizaje discriminativo, tanto de la estructura como de los parametros, de clasificares Bayesianos. Esta aproximacion esta basada en la adaptacion del algoritmo TM a modelos de clasificacion Bayesianos. Por otra parte, en el presente articulo, tambien se presenta una evaluacion experimental del metodo propuesto aplicado a diferentes bases de datos estandares para clasificacion supervisada.