NaiveBayesClassifier

Autorzy

• Jakub Janus
• Jakub Kaliński

Projekt został zrealizowany w ramach kursu Rachunek Prawdopodobieństwa i Statystyka na 3 semestrze kierunku Informatyka na Wydziale Informatyki Akademii Górniczo-Hutniczej w Krakowie.

Opis projektu

Repozytorium zawiera implementację Naiwnego Klasyfikatora Bayesowskiego dla zbiorów danych o cechach kategorycznych lub ilościowych.

MultinomialNaiveBayesClassifier

Klasa zaimplementowana w pliku MultinomialNaiveBayesClassifier.py, implementuje ona Naiwny Klasyfikator Bayesowski dla danych kategorycznych Metody klasy:

• fit - do trenowania modelu na zbiorze treningowym.
• predict - do przewidywania klasy dla nowych danych.
• predict_proba - do zwracania prawdopodobieństw przynależności do każdej klasy

GaussianNaiveBayesClassifier

Klasa zaimplementowana w pliku MultinomialNaiveBayesClassifier.py, implementuje ona Naiwny Klasyfikator Bayesowski dla danych ilościowych Metody klasy:

• fit - do trenowania modelu na zbiorze treningowym.
• predict - do przewidywania klasy dla nowych danych.
• predict_proba - do zwracania prawdopodobieństw przynależności do każdej klasy

main.ipynb

W pliku main.ipynb znajduje się wstępna analiza danych oraz sprawdzenie poprawności działania implementacji obu klasyfikatorów na zbiorach iris z biblioteki scikit-learn oraz mushroom z platformy Kaggle (mushrooms.csv). W pliku main.ipynb znajdują się również procentowe wyniki klasyfiacji modeli oraz confusion matrix tych wyników.