Updated 2025-05-14 12:43:18 +02:00
Updated 2025-05-13 22:27:11 +02:00
Updated 2025-05-13 20:13:55 +02:00
Updated 2025-05-13 16:48:55 +02:00
Updated 2025-05-13 15:15:20 +02:00
Inżynieria uczenia maszynowego 2025
Updated 2025-05-13 15:08:41 +02:00
Przedmiot Inżynieria Uczenia Maszynowego
Updated 2025-05-13 13:30:58 +02:00
Updated 2025-05-12 19:11:41 +02:00
Updated 2025-05-12 18:02:49 +02:00
Updated 2025-05-12 13:10:01 +02:00
Updated 2025-05-12 10:25:12 +02:00
3. Klasyfikacja za pomocą naiwnej metody bayesowskiej (rozkłady dyskretne). Implementacja powinna założyć, że cechy są dyskretne/jakościowe. Na wejściu oczekiwany jest zbiór, który zawiera p-cech dyskretnych/jakościowych, wektor etykiet oraz wektor prawdopodobieństw a priori dla klas. Na wyjściu otrzymujemy prognozowane etykiety oraz prawdopodobieństwa a posteriori. Dodatkową wartością odpowiednia wizualizacja.
Updated 2025-05-11 21:14:15 +02:00
Updated 2025-05-11 10:43:59 +02:00
Updated 2025-05-10 15:32:30 +02:00
Updated 2025-05-09 15:14:19 +02:00
Materiały do przedmiotu Inżynieria Uczenia Maszynowego
Updated 2025-05-07 10:34:50 +02:00
Updated 2025-05-06 21:41:02 +02:00