Я пробовал Orange Framework для наивной байесовской классификации. Методы крайне неинтуитивны, и документация крайне неорганизована. Есть ли у кого-нибудь еще какие-то рамки для рекомендации?
На данный момент я использую в основном NaiveBayesian. Я думал об использовании nltk NaiveClassification, но потом они не думают, что могут обрабатывать непрерывные переменные.
Каковы мои варианты?
scikit-learn имеет реализация гауссова наивный байесовский классификатор. В общем, цель этой библиотеки - обеспечить хороший компромисс между кодом, который легко читается и используется, и эффективностью. Надеюсь, это должна быть хорошая библиотека, чтобы узнать о работе алгоритмов.
Чтобы получить исходный код, нажмите ссылку, dl и распакуйте zip из основной папки "PCI_Code", перейдите в папку "глава 6", в которой есть исходный файл python "docclass.py". Это полный исходный код для байесовского спам-фильтра. Данные обучения (электронные письма) сохраняются в базе данных sqlite, которая также входит в ту же папку ( "test.db" ). Единственная внешняя библиотека, в которой вы нуждаетесь, - это привязки python к sqlite (pysqlite); вам также нужен сам sqlite, если он еще не установлен).
Если вы работаете с естественным языком, ознакомьтесь с Natural Language Toolkit.
Если вы ищете что-то еще, просто поиск по PyPI.
pebl, как представляется, обрабатывает непрерывные переменные.
Я нашел Divmod Reverend самым простым и простым в использовании байесовским классификатором Python.
Я просто взял материал Paul Graham LISP и перешел на Python http://www.paulgraham.com/spam.html
Theres также SpamBayes, который, я думаю, может использоваться как общий наивный байесовский clasisfier, а не только для спама.