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.

Class	Acc_Train	Acc_Test	Uwagi
GaussianNB	0.49	0.36	-
MultinomialNB	-	-	Bez ujemnego inputu
ComplementNB	-	-	Bez ujemnego inputu
BernoulliNB	0.35125	0.305	-
CategoricalNB	-	-	Bez ujemnego inputu