Un point de départ lisible pour le classement supervisé de textes. L’implémentation multinomiale Naive Bayes apprend les fréquences de mots par catégorie, applique un lissage et expose ses scores. Elle s’abstient lorsqu’aucun terme connu n’est présent. Un jeu de messages fictifs permet de tester la chaîne entraînement, prédiction et évaluation sans données clients.
Dans cette base
- Entraînement supervisé par catégories
- Lissage et calcul en log-probabilités
- Abstention sur vocabulaire inconnu
- Matrice de confusion et F1 par classe
- Jeux d’entraînement et de test distincts
Licence et prise en main
Code original sous licence MIT, copyright 2026 STELLARR STUDIO. Usage personnel et commercial autorisé, avec conservation de la notice de licence. Guides français et anglais inclus. Les marques et les dépendances conservent leurs droits propres.
Consultez le README pour les prérequis, les commandes de démarrage, les tests et les limites avant déploiement. L’hébergement, le calcul, les API externes et l’accompagnement ne sont pas inclus.
Fichiers inclus
.gitignoreclassifier.pyexamples/test.jsonexamples/train.jsonkit.jsonLICENSEREADME.en.mdREADME.mdtest_classifier.pyTEST_REPORT.mdTHIRD_PARTY_NOTICES.mdverification.json