NaivePY

天真

该模块不再维护

v1.1是最后一个版本。

天真的贝叶斯：

关于天真的贝叶斯：

幼稚的贝叶斯算法是一种有监督的学习算法，该算法基于贝叶斯定理，用于解决分类问题。
它主要用于文本分类，其中包括高维培训数据集。
幼稚的贝叶斯分类器是一种简单，最有效的分类算法之一，有助于构建可以快速预测的快速机器学习模型。
它是概率分类器，这意味着它根据对象的概率进行预测。
幼稚贝叶斯算法的一些流行示例是垃圾邮件过滤，情感分析和分类文章。

幼稚贝叶斯的公式：

贝叶斯定理也称为贝叶斯规则或贝叶斯定律，该定律用于确定具有先验知识的假设的概率。这取决于条件概率。贝叶斯定理的公式以：幼稚的贝叶斯分类器算法，其中，

$ p（a | b）$ = $ {p（b | a）p（a）} p（b）$

p（a | b）是后验概率：在观察到的事件B上假设A的概率。

p（b | a）是可能性的概率：鉴于假设的概率是正确的，证据的概率。

p（a）是先前的概率：观察证据之前的假设概率。

p（b）是边际概率：证据的概率。

文档：

在这里阅读文档

安装 ：

安装模块

 pip install naivepy

关于模块：

Naivepy模块是使用Python和Pandas构建的。它和机器学习算法。该模块可以采用目标列并对其进行分类。

注意：目标列必须具有2种类型的值，其他明智的MaxtargetColumNexception将发生。

示例：

代码：

 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)

输出：

        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

作者：Prathamesh Dhande