Init

Readme.md

@@ -0,0 +1,13 @@
+# Klasyfikacja za pomocą naiwnej metody bayesowskiej (rozkłady ciągłe)
+Zasady zaliczenia: 40 punktów podzielone następująco:
+- 10 pkt - prezentacja projektu
+- 15 pkt - implementacja, w tym:
+- 5 pkt - zgodność z tematem,
+- 5 pkt - jakość kodu,
+- 5 pkt - poprawność implementacji
+- 10 pkt - efekt "wow"
+- 5 pkt - aktywność wszystkich członków grupy
+
+Klasyfikacja za pomocą naiwnej metody bayesowskiej (rozkłady ciągłe). Implementacja powinna założyć, że cechy są ciągłe (do wyboru rozkład normalny i jądrowe wygładzenie). Na wejściu oczekiwany jest zbiór, który zawiera p-cech ciągłych, wektor etykiet oraz wektor prawdopodobieństw a priori dla klas. Na wyjściu otrzymujemy prognozowane etykiety oraz prawdopodobieństwa a posteriori. Dodatkową wartością może być wizualizacja obszarów decyzyjnych w przypadku dwóch cech.
+
+```Termin oddania na Moodle: do 31 maja. Prezentacja projektów 1 czerwca na ćwiczeniach.```