معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

bace

ویژگی	مقدار
سیستم عامل	-
نام فایل	bace-1.0.1
نام	bace
نسخه کتابخانه	1.0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Krzysztof Joachimiak
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/krzjoa/bace
آدرس اینترنتی	https://pypi.org/project/bace/
مجوز	MIT

# bace <img src="https://raw.githubusercontent.com/krzjoa/bace/master/img/bace-of-spades.png" align="right" width = "75px"/> ![Python 3.7](https://img.shields.io/badge/python-3.7-blue.svg) [![PyPI version](https://badge.fury.io/py/bace.svg)](https://badge.fury.io/py/bace) [![Build Status](https://travis-ci.org/rasbt/mlxtend.svg?branch=master)](https://travis-ci.org/krzjoa/Bayes) [![Documentation Status](https://readthedocs.org/projects/bace/badge/?version=latest)](https://bace.readthedocs.io/en/latest/?badge=latest) [![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT) A deck of Naive Bayes algorithms with sklearn-like API. ## Algorithms * Complement Naive Bayes * Negation Naive Bayes * Universal-set Naive Bayes * Selective Naive Bayes ## Installation You can install this module directly from GitHub repo with command: ```` python3.7 -m pip install git+https://github.com/krzjoa/bace.git ```` or as a PyPI package ```` python3.7 -m pip install bace ```` ## Usage **bace** API mimics [scikit-learn](http://scikit-learn.org/stable/modules/classes.html) API, so usage is very simple. ```` python from bace import ComplementNB from sklearn.datasets import fetch_20newsgroups from sklearn.feature_extraction.text import CountVectorizer vectorizer = CountVectorizer() # Train set newsgroups_train = fetch_20newsgroups(subset='train', shuffle=True) X_train = vectorizer.fit_transform(newsgroups_train.data) y_train = newsgroups_train.target # Test set newsgroups_test = fetch_20newsgroups(subset='test', shuffle=True) X_test = vectorizer.fit_transform(newsgroups_test.data) y_test = newsgroups_test.target # Score cnb = ComplementNB() cnb.fit(X_train, y_train).accuracy_score(X_test, y_test) ```` Documentation ------------- The full documentation is at http://bace.rtfd.org.

نیازمندی

مقدار	نام
-	numpy
-	scipy
-	six
-	scikit-learn
-	m2r

نحوه نصب

نصب پکیج whl bace-1.0.1:

pip install bace-1.0.1.whl

نصب پکیج tar.gz bace-1.0.1:

pip install bace-1.0.1.tar.gz