NaivePY

Ingênuo

Este módulo não é mais mantido

v1.1 é a última versão.

Bayes ingênuo:

Sobre Bayes ingênuo:

O algoritmo ingênuo de Bayes é um algoritmo de aprendizado supervisionado, baseado no teorema de Bayes e usado para resolver problemas de classificação.
É usado principalmente na classificação de texto que inclui um conjunto de dados de treinamento de alta dimensão.
O classificador ingênuo de Bayes é um dos algoritmos de classificação simples e mais eficazes que ajudam a criar os modelos de aprendizado de máquina rápido que podem fazer previsões rápidas.
É um classificador probabilístico, o que significa que prevê com base na probabilidade de um objeto.
Alguns exemplos populares de algoritmo ingênuo de Bayes são filtração de spam, análise sentimental e classificação de artigos.

Fórmula de Bayes ingênuo:

O teorema de Bayes também é conhecido como regra de Bayes ou lei de Bayes, que é usada para determinar a probabilidade de uma hipótese com conhecimento prévio. Depende da probabilidade condicional. A fórmula para o teorema de Bayes é dada como: algoritmo de classificador ingênuo de Bayes onde, onde,

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

P (a | B) é probabilidade posterior: probabilidade de hipótese A no evento observado B.

P (B | A) é probabilidade de probabilidade: a probabilidade da evidência, dada que a probabilidade de uma hipótese é verdadeira.

P (a) é probabilidade prévia: probabilidade de hipótese antes de observar as evidências.

P (B) é probabilidade marginal: probabilidade de evidência.

Documentação:

Leia os documentos aqui

Instalação:

Para instalar o módulo

 pip install naivepy

Sobre módulo:

O módulo ingênuo é construído usando Python e Pandas. É e algoritmo de aprendizado de máquina. Este módulo pode pegar a coluna de destino e classificá -lo.

NOTA : A coluna de destino deve ter 2 tipos de valores. Outros maxtargetColumnException serão ocorridos.

Exemplos:

Código :

 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)

Saída :

        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