for word in entry:
if word in classVector.keys():
proba += math.log10(((classVector[word]+1)/(iWords+len(classVector)))**entry[word])
return proba
import time
if __name__ == "__main__":
startTime = time.time()
print("Classification de mots utilisant Bayes")
print("-----------------------------------------------------\n")
fileManager = File()
# Switch to handle raw input or filtered input
wordList = fileManager.from_folder()
#wordList = fileManager.from_tagged_folder()
fileList = fileManager.fileContentList
lightdisplay = True
print("Split positif\tSplit négatif\tErreur positifs\tErreur négatif\tErreur moyenne\tTemps")
for pi in range(10,95 , 5):
pourcentagePos = pi/100.0 #meilleur 0.5 / 0.8
pourcentageNeg = pi/100.0
startTime = time.time()
# Arguments
m = 1 # Nombre de colonne cachées
n = 15 # Nombre de neurones par colonne
alpha = 0.1 # Alpha
iterCount = 3 # Nombre d'itération
percentageGenerate = 0.2 # Pourcentage de corpus d'entrainement
threshold = 0.05
start_time = time.time()
print("\n-----------------------------------------------------")
print("Classification de mots utilisant un réseau de neurone")
print("-----------------------------------------------------\n")
fileManager = File()
uniqueWordList = fileManager.from_folder()
wordNeurons = {}
intermediateNeurons = []
print("Arguments :")
print("\tNombre de réitérations sur les fichiers d'analyse : " + str(iterCount))
print("\tRéseau interne composé de " + str(m) + " colonnes cachées et " + str(n) + " neuronnes par colonne")
print("\tAlpha %.2f\n" % alpha)
print("Lecture des fichiers : %f seconds" % (time.time() - start_time))
#Creation du système de Neurones
finalNeuron = Neurone()
for x in range(0, m):
listCol = []
for y in range(0, n):
