14 lines
759 B
Markdown
14 lines
759 B
Markdown
# 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 |