aibox.nlp.estimators.classification.gaussian_nb

Classificador Naive Bayes Gaussiano.

Classes

GaussianNBClassifier([random_state])

Classificador Gaussian Naive Bayes (NB).

class aibox.nlp.estimators.classification.gaussian_nb.GaussianNBClassifier(random_state: int | None = None)

Base: Estimator

Classificador Gaussian Naive Bayes (NB). Essa classe é um wrapper de sklearn.naive_bayes.GaussianNB.

Parâmetros:

random_state (int | None)

predict(X: list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor, **kwargs) → ndarray

Realiza a predição utilizando os parâmetros atuais do modelo.

Parâmetros:

• X (list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor) – dados de entrada com shape (n_samples, n_features).

• **kwargs – parâmetros extras que podem ser passados para alguns estimadores.

Retorna:

predições com shape (n_samples,).

Tipo de retorno:

ndarray

fit(X: list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor, y: list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor, **kwargs)

Realiza o treinamento do estimador.

Parâmetros:

• X (list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor) – features no formato (n_samples, n_features).

• y (list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor) – saída esperada com formato (n_samples,)

• **kwargs – parâmetros extras que podem ser passados para alguns estimadores.

property hyperparameters: dict

Hiper-parâmetros do modelo. Inclui a seed randômica. Estrutura do dicionário varia entre diferentes estimadores.

Retorna:

dicionário de hiper-parâmetros.

property params: dict

Retorna um dicionário com os parâmetros para esse estimador.

Os parâmetros retornados descrevem totalmente o estado do modelo (e,g. pesos de uma rede, superfícies de decisão, estrutura da árvore de decisão, etc).

Retorna:

parâmetros do estimador.

property random_state: int

Seed randômica utilizada pelo estimador.

Retorna:

seed.