Ein verständlicher Einstieg in die überwachte Textklassifikation. Diese Implementierung von multinomialem Naive Bayes lernt Worthäufigkeiten je Kategorie, verwendet Glättung und gibt Modellwerte aus. Sind keine bekannten Begriffe vorhanden, verzichtet sie auf eine Zuordnung. Fiktive Nachrichten demonstrieren Training, Vorhersage und Bewertung ohne Kundendaten.
Enthaltene Funktionen
- Überwachtes Kategorientraining
- Geglättete logarithmische Wahrscheinlichkeiten
- Keine Zuordnung bei unbekanntem Wortschatz
- Konfusionsmatrix und F1-Wert je Klasse
- Getrennte Trainings- und Testbeispiele
Lizenz und Einstieg
Originalcode unter der MIT-Lizenz, Copyright 2026 STELLARR STUDIO. Private und kommerzielle Nutzung sind bei Beibehaltung des Lizenzhinweises erlaubt. Anleitungen auf Französisch und Englisch sind enthalten. Für Marken und Abhängigkeiten gelten deren eigene Rechte. Anforderungen, Startbefehle, Tests und Grenzen der Bereitstellung finden Sie in der README. Hosting, Rechenleistung, externe APIs und individuelle Unterstützung sind nicht enthalten.
Enthaltene Dateien
.gitignoreclassifier.pyexamples/test.jsonexamples/train.jsonkit.jsonLICENSEREADME.en.mdREADME.mdtest_classifier.pyTEST_REPORT.mdTHIRD_PARTY_NOTICES.mdverification.json