from dados import carregar_acessos from sklearn.naive_bayes import MultinomialNB x,y = carregar_acessos() treino_dados = x[:90] treino_marcacoes = y[:90] teste_dados = x[-9:] teste_marcacoes = y[-9:] modelo = MultinomialNB() modelo.fit(treino_dados, treino_marcacoes) #print(modelo.predict([[1, 0, 1], [0,1,0], [1,0,0],[1,1,0],[1,1,1]])) resultado = modelo.predict(teste_dados) diferencas = resultado - teste_marcacoes acertos = [d for d in diferencas if d == 0] total_de_acertos = len(acertos) total_de_elementos = len(teste_marcacoes) taxa_de_acerto = 100.0 * total_de_acertos / total_de_elementos print(taxa_de_acerto) print(total_de_elementos)
from sklearn.naive_bayes import MultinomialNB
from dados import carregar_acessos
X, Y = carregar_acessos()
porcentagem_treino = 0.9
modelo = MultinomialNB()
tamanho_de_treino = int(porcentagem_treino * len(Y))
tamanho_de_teste = int(len(Y) - tamanho_de_treino)
treino_X = X[:tamanho_de_treino]
treino_Y = Y[:tamanho_de_treino]
teste_X = X[-tamanho_de_teste:]
teste_Y = Y[-tamanho_de_teste:]
modelo.fit(treino_X, treino_Y)
resposta_teste = modelo.predict(teste_X)
print("\nResposta: ", resposta_teste)
diferenca = teste_Y - resposta_teste
print("\nDiferença: ", diferenca)
acertos = [d for d in diferenca if d == 0]
print("\nAcertos: ", acertos)
total_de_acertos = len(acertos)
print("\nTotal de acertos: ", total_de_acertos)
total_de_elementos = len(teste_X)
# Primeira abordagem foi 90% para treino e 10% para teste # resultado 88% from dados import carregar_acessos dados, marcacoes = carregar_acessos() treino_dados = dados[:90] treino_marcacoes = marcacoes[:90] teste_dados = dados[-9:] teste_marcacoes = marcacoes[-9:] from sklearn.naive_bayes import MultinomialNB modelo = MultinomialNB() modelo.fit(treino_dados, treino_marcacoes) resultado = modelo.predict(teste_dados) diferencas = resultado - teste_marcacoes acertos = [d for d in diferencas if d == 0] total_de_acertos = len(acertos) total_de_elementos = len(teste_dados) taxa_de_acerto = 100.0 * total_de_acertos / total_de_elementos print(taxa_de_acerto) print(total_de_elementos)
# o teste foi feito com 90% de para treino e 10% para testes. com 88% de acerto
from dados import carregar_acessos
X,Y = carregar_acessos()
treino_dados = X[:90]
treino_marcacoes = Y[:90]
teste_dados = X[-9:]
teste_marcacoes = Y[-9:]
from sklearn.naive_bayes import MultinomialNB
modelo = MultinomialNB()
modelo.fit(treino_dados, treino_marcacoes)
resultado = modelo.predict(teste_dados)
diferencas = resultado - teste_marcacoes
acertos = [d for d in diferencas if d == 0]
total_de_acertos = len(acertos)
total_de_elementos = len(teste_dados)
taxa_de_acerto = 100 * total_de_acertos / total_de_elementos
print("%s%%" % (taxa_de_acerto))
print(total_de_elementos)
from dados import carregar_acessos
from sklearn.naive_bayes import MultinomialNB
# Carrego o csv e savo nas variáveis x,y
x, y = carregar_acessos('acesso.csv')
"""
Preciso separar minha base de treino da minha base de testes para que meu teste
não fique contaminado, tendo resuldados que não vão ser de fato fiéis.
"""
# Base de treino
treino_dados = x[:70]
treino_marcacoes = y[:70]
# Base de testes
teste_dados = x[-29:]
teste_marcacoes = y[-29:]
# Carrego meu modelo
modelo = MultinomialNB()
# Treino meu modelo
modelo.fit(treino_dados, treino_marcacoes)
# Predição usando o base de testes
# Onde 1 => provavelmente irá comprar, e 0 não
resultado = modelo.predict(teste_dados)
# Agora verificamos a taxa de acerto:
diferencas = resultado - teste_marcacoes
# Abordagem inicial: 90% para treino e 10% para teste: taxa de acerto 88.9%
from sklearn.naive_bayes import MultinomialNB
from dados import carregar_acessos
x, y = carregar_acessos()
treino_dados = x[:90]
treino_marcacoes = y[:90]
teste_dados = x[-9:]
teste_marcacoes = y[-9:]
modelo = MultinomialNB()
modelo.fit(treino_dados, treino_marcacoes)
resultado = modelo.predict(teste_dados)
diferencas = resultado - teste_marcacoes
acertos = [d for d in diferencas if d == 0]
total_de_acertos = len(acertos)
total_de_elementos = len(teste_dados)
taxa_de_acertos = 100.0 * total_de_acertos / total_de_elementos
print('Taxa de acerto:', taxa_de_acertos)
print('Total de elementos testados:', total_de_elementos)
# minha abordagem inicial foi # 1. separa 90% para treino e 10% para teste:88.88888888888889% from dados import carregar_acessos (X, Y) = carregar_acessos() treino_dados = X[:90] treino_marcacoes = Y[:90] teste_dados = X[-9:] teste_marcacoes = Y[-9:] from sklearn.naive_bayes import MultinomialNB modelo = MultinomialNB() modelo.fit(treino_dados, treino_marcacoes) resultado = modelo.predict(teste_dados) diferencas = resultado - teste_marcacoes acertos = [diferenca for diferenca in diferencas if diferenca == 0] total_de_acertos = len(acertos) total_de_elementos = len(teste_dados)
