NaivePY

Naivepie

Dieses Modul wird nicht mehr aufrechterhalten

v1.1 ist die letzte Veröffentlichung.

Naive Bayes:

Über naive Bayes:

Der Naive Bayes -Algorithmus ist ein beaufsichtigter Lernalgorithmus, der auf Bayes Theorem basiert und zur Lösung von Klassifizierungsproblemen verwendet wird.
Es wird hauptsächlich in der Textklassifizierung verwendet, die einen hochdimensionalen Trainingsdatensatz enthält.
Der Naive Bayes -Klassifizierer ist einer der einfachen und effektivsten Klassifizierungsalgorithmen, die beim Aufbau der maschinellen Lernmodelle, die schnelle Vorhersagen treffen können, beitragen.
Es ist ein probabilistischer Klassifikator, was bedeutet, dass er auf der Grundlage der Wahrscheinlichkeit eines Objekts voraussagt.
Einige beliebte Beispiele für den naiven Bayes -Algorithmus sind Spam -Filtration, sentimentale Analyse und Klassifizierungen.

Formel von naiven Bayes:

Das Bayes -Theorem ist auch als Bayes -Regel oder Bayes -Gesetz bekannt, das verwendet wird, um die Wahrscheinlichkeit einer Hypothese mit Vorkenntnissen zu bestimmen. Es hängt von der bedingten Wahrscheinlichkeit ab. Die Formel für Bayes 'Theorem ist gegeben als: naiver Bayes -Klassifikatoralgorithmus Wo, wo,

$ P (a | b) $ = $ {P (b | a) p (a)} über p (b) $

P (a | b) ist hintere Wahrscheinlichkeit: Wahrscheinlichkeit der Hypothese A auf dem beobachteten Ereignis B.

P (B | A) ist Wahrscheinlichkeitswahrscheinlichkeit: Wahrscheinlichkeit der Beweise, da die Wahrscheinlichkeit einer Hypothese wahr ist.

P (a) ist vorherige Wahrscheinlichkeit: Hypothesewahrscheinlichkeit vor der Beobachtung der Beweise.

P (b) ist die Grenzwahrscheinlichkeit: Evidenzwahrscheinlichkeit.

Dokumentation:

Lesen Sie die Dokumente hier

Installation:

So installieren Sie das Modul

 pip install naivepy

Über Modul:

Das Naivepie -Modul wird mit Python und Pandas gebaut. Es ist und Algorithmus für maschinelles Lernen. Dieses Modul kann die Zielspalte aufnehmen und klassifiziert sie.

HINWEIS : Die Zielspalte muss 2 Arten von Werten haben.

Beispiele:

Code :

 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)

Ausgabe :

        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

Autor: Prathamesh Dhande