Klasyfikacja za pomocą naiwnej metody bayesowskiej dla rozkładów dyskretnych
Go to file
2022-05-18 16:57:38 +02:00
.gitignore Initial commit 2022-05-14 13:38:10 +02:00
mushrooms.tsv grzybki 2022-05-18 00:17:17 +02:00
naive_bayes.py implement NaiveBayes Class 2022-05-17 22:08:42 +02:00
prepare_data.py implement NaiveBayes Class 2022-05-17 22:08:42 +02:00
projekt.ipynb Merge branch 'master' of https://git.wmi.amu.edu.pl/s444452/mpsic_projekt_1_bayes_classifier 2022-05-18 16:57:38 +02:00
README.md Zaktualizuj 'README.md' 2022-05-14 13:42:22 +02:00

mpsic_projekt_1_bayes_classifier

Klasyfikacja za pomocą naiwnej metody bayesowskiej dla rozkładów dyskretnych.

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.

Zasady zaliczenia projektu (max 40 pkt):

  • 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