NaivePY

天真

該模塊不再維護

v1.1是最後一個版本。

天真的貝葉斯：

關於天真的貝葉斯：

幼稚的貝葉斯算法是一種有監督的學習算法，該算法基於貝葉斯定理，用於解決分類問題。
它主要用於文本分類，其中包括高維培訓數據集。
幼稚的貝葉斯分類器是一種簡單，最有效的分類算法之一，有助於構建可以快速預測的快速機器學習模型。
它是概率分類器，這意味著它根據對象的概率進行預測。
幼稚貝葉斯算法的一些流行示例是垃圾郵件過濾，情感分析和分類文章。

幼稚貝葉斯的公式：

貝葉斯定理也稱為貝葉斯規則或貝葉斯定律，該定律用於確定具有先驗知識的假設的概率。這取決於條件概率。貝葉斯定理的公式以：幼稚的貝葉斯分類器算法，其中，

$ p（a | b）$ = $ {p（b | a）p（a）} p（b）$

p（a | b）是後驗概率：在觀察到的事件B上假設A的概率。

p（b | a）是可能性的概率：鑑於假設的概率是正確的，證據的概率。

p（a）是先前的概率：觀察證據之前的假設概率。

p（b）是邊際概率：證據的概率。

文件:

在這裡閱讀文檔

安裝 ：

安裝模塊

 pip install naivepy

關於模塊：

Naivepy模塊是使用Python和Pandas構建的。它和機器學習算法。該模塊可以採用目標列並對其進行分類。

注意：目標列必須具有2種類型的值，其他明智的MaxtargetColumNexception將發生。

示例：

代碼：

 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)

輸出：

        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