NaivePY
vepy V1.1
V1.1 هو الإصدار الأخير.
خوارزمية ساذجة بايز هي خوارزمية تعليمية خاضعة للإشراف ، والتي تستند إلى نظرية بايز وتستخدم لحل مشاكل التصنيف.
يتم استخدامه بشكل أساسي في تصنيف النص الذي يتضمن مجموعة بيانات تدريب عالية الأبعاد.
يعد ساذج بايز المصنف أحد خوارزميات التصنيف البسيطة والأكثر فعالية التي تساعد في بناء نماذج التعلم الآلي السريع التي يمكن أن تجعل تنبؤات سريعة.
إنه مصنف احتمالي ، مما يعني أنه يتنبأ على أساس احتمال وجود كائن.
بعض الأمثلة الشائعة لخوارزمية ساذجة بايز هي ترشيح البريد العشوائي والتحليل العاطفي وتصنيف المقالات.
تُعرف نظرية Bayes أيضًا باسم قانون Bayes أو Bayes ، والتي يتم استخدامها لتحديد احتمال وجود فرضية مع المعرفة السابقة. ذلك يعتمد على الاحتمال الشرطي. يتم إعطاء صيغة نظرية بايز على النحو التالي: خوارزمية ساذجة بايز حيث ، حيث ،
P (A | B) هو الاحتمال الخلفي: احتمال الفرضية A على الحدث المرصود ب.
P (B | A) هو احتمال احتمال: احتمال الأدلة بالنظر إلى أن احتمال الفرضية صحيح.
P (A) هو الاحتمال السابق: احتمال الفرضية قبل مراقبة الأدلة.
P (ب) هو احتمال هامشي: احتمال الأدلة.
اقرأ المستندات هنا
لتثبيت الوحدة النمطية
pip install naivepy
تم تصميم وحدة Naivepy باستخدام Python و Pandas. إنه وخوارزمية التعلم الآلي. يمكن أن تأخذ هذه الوحدة العمود الهدف وتصنيفه.
ملاحظة : يجب أن يحتوي العمود الهدف على نوعين من القيم الأخرى التي سيتم حدوث MaxtargetColumnException.
شفرة :
from naivepy import Naive
n=Naive(filename="data.csv",sample_list=["red","suv","domestic"],target_column="stolen")
print(n.getans)
print(n.getdata)
print(n.getlabel)
الإخراج :
Color Type Origin Stolen
0 Red Sports Domestic Yes
1 Red Sports Domestic No
2 Red Sports Domestic Yes
3 Yellow Sports Domestic No
4 Yellow Sports Imported Yes
5 Yellow SUV Imported No
6 Yellow SUV Imported Yes
7 Yellow SUV Domestic No
8 Red SUV Imported No
9 Red Sports Imported Yes
No
0.072
