NaivePY

Naïf

Ce module n'est plus maintenu

V1.1 est la dernière version.

Bayes naïf:

À propos des Bayes naïfs:

L'algorithme naïf de Bayes est un algorithme d'apprentissage supervisé, qui est basé sur le théorème de Bayes et utilisé pour résoudre les problèmes de classification.
Il est principalement utilisé dans la classification du texte qui comprend un ensemble de données de formation à haute dimension.
Le classificateur naïf de Bayes est l'un des algorithmes de classification simples et les plus efficaces qui aide à construire les modèles d'apprentissage automatique rapides qui peuvent faire des prédictions rapides.
Il s'agit d'un classificateur probabiliste, ce qui signifie qu'il prédit sur la base de la probabilité d'un objet.
Certains exemples populaires d'algorithme naïf de Bayes sont la filtration du spam, l'analyse sentimentale et la classification des articles.

Formule de Bayes naïf:

Le théorème de Bayes est également connu sous le nom de règle de la règle des Bayes ou de Bayes, qui est utilisé pour déterminer la probabilité d'une hypothèse avec des connaissances antérieures. Cela dépend de la probabilité conditionnelle. La formule du théorème de Bayes est donnée comme: algorithme de classificateur naïf de Bayes où, où,

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

P (a | b) est la probabilité postérieure: probabilité d'hypothèse A sur l'événement observé B.

P (b | a) est la probabilité de probabilité: la probabilité des preuves étant donné que la probabilité d'une hypothèse est vraie.

P (a) est une probabilité antérieure: probabilité d'hypothèse avant d'observer les preuves.

P (b) est une probabilité marginale: probabilité de preuve.

Documentation:

Lisez les documents ici

Installation:

Pour installer le module

 pip install naivepy

À propos du module:

Le module NaivePy est construit à l'aide de Python et Pandas. C'est et l'algorithme d'apprentissage automatique. Ce module peut prendre la colonne cible et la classer.

Remarque : La colonne cible doit avoir 2 types de valeurs, d'autres wise maxtargetColumnException se produiront.

Exemples:

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)

Sortir :

        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

Auteur: Prathamesh Dhande