Naive Bayesian Classification for Golang Bewertungen & Produktdetails

Naiver Bayes-Algorithmus ist ein überwacht lernender Algorithmus, der auf dem Bayes-Theorem basiert. Bewertung gesammelt von und auf G2.com gehostet.

Dies sind die einfachen probabilistischen Klassifikatoren. Bewertung gesammelt von und auf G2.com gehostet.

Schnelles und zuverlässiges Produkt. Es ist sehr hilfreich beim Programmieren von A.I. Leistungsstarker Algorithmus für Data Science. Bewertung gesammelt von und auf G2.com gehostet.

Dokumentation ist so kompliziert, außerdem gibt es ein Importproblem. Aufgrund des Mangels an Personen in der Gemeinschaft konnten Sie Ihre Lösung nicht schnell finden. Bewertung gesammelt von und auf G2.com gehostet.

Es gibt ein paar Dinge, die ich an dem Produkt mag, seine schnelle und zuverlässige Klassifikationstechnik, die normalerweise für die Textklassifikation verwendet wird. Golang-Bibliotheken sind nicht leicht verfügbar, daher machte es mich produktiver. Bewertung gesammelt von und auf G2.com gehostet.

Einige sofortige Fehler beim Modellieren erhalten, aber es funktioniert meistens gut. Die Gemeinschaft ist nicht sehr groß, daher ist eine Lösung bei Problemen nicht sofort verfügbar. Bewertung gesammelt von und auf G2.com gehostet.

Das Beste daran war seine Unterlauf-Erkennung. Bewertung gesammelt von und auf G2.com gehostet.

Manchmal gibt es einige Probleme beim Ausführen. Bewertung gesammelt von und auf G2.com gehostet.

Naive Bayes ist ein starker Klassifikationsalgorithmus, wohl einer der mächtigsten (und beliebtesten) Algorithmen, die in der Datenwissenschaft verwendet werden. Es war sehr schwierig, eine Bibliothek für Naive Bayes in Golang zu finden, aber diese hat den Job erledigt! Es ist leichtgewichtig, effizient und obwohl es nicht viel Funktionalität hat, erledigt es die Aufgabe. Bewertung gesammelt von und auf G2.com gehostet.

Dies benötigt definitiv eine einfachere Dokumentation sowohl für die Installation als auch für die Nutzung. Die Gemeinschaft hinter Golang wächst ebenfalls, und daher kann sie nicht so viele Vorteile bieten wie eine große Gemeinschaft wie die von Python oder R. Bewertung gesammelt von und auf G2.com gehostet.

Es machte es extrem einfach, einen großen Datensatz zuverlässig und performant zu klassifizieren. Es ist eine leichtgewichtige Bibliothek zur Verwendung mit dem Naive-Bayes-Klassifikationsalgorithmus, mit deren Dokumentation es einfach ist, loszulegen, wenn Sie ein erfahrener Ingenieur sind, und Ihre Daten sofort zu klassifizieren. Bewertung gesammelt von und auf G2.com gehostet.

Für Anfänger ist es nicht so einfach, mit der aktuellen Dokumentation zu beginnen, es wäre großartig, die Dokumentation zu überarbeiten, damit sie für Ingenieure mit unterschiedlichen Hintergründen effizienter ist. Bewertung gesammelt von und auf G2.com gehostet.

Der Naive-Bayes-Algorithmus ist sehr nützlich für die Verarbeitung natürlicher Sprache, und das, was mir am meisten gefällt, ist die Genauigkeit und die schnelle Leistung. Bewertung gesammelt von und auf G2.com gehostet.

Kann keinen Humor im Satz erkennen, zum Beispiel, wenn wir eine Filmrezension-Klassifizierung durchführen, kann es nur positive und negative Rezensionen erkennen, aber keinen Sarkasmus. Bewertung gesammelt von und auf G2.com gehostet.

In bestimmten Projekten zu arbeiten, kann es schwierig machen, den gesamten Prozess zu steuern, ich glaube, es wäre schön, die Ergebnisse anzupassen. Bewertung gesammelt von und auf G2.com gehostet.

Was wir als Team nicht mochten, ist die lange Reaktionszeit des Kundenservice. Bewertung gesammelt von und auf G2.com gehostet.

Fähigkeit, den Text zu klassifizieren und die programmatische Ausgabe für gewünschte Geschäftsergebnisse auf effektive Weise festzulegen. Bewertung gesammelt von und auf G2.com gehostet.

Die Dokumentation des Verständnisses von Algorithmus und Implementierung ist sehr begrenzt. Bewertung gesammelt von und auf G2.com gehostet.

Wie im Titel erwähnt, ist Naive Bayes ein sehr einfacher Klassifikationsalgorithmus, der einige starke Annahmen über die Unabhängigkeit jeder Eingabevariable trifft. Ich fand dies, als ich nach einem Klassifikationsalgorithmus für mein Forschungsprojekt suchte. Es ist eine leichtgewichtige Bibliothek zur Verwendung mit dem Naive-Bayes-Klassifikationsalgorithmus. Es war sehr schwierig, diese Bibliothek für die Go-Sprache zu finden, aber mit ihrer Hilfe habe ich die Aufgabe sehr einfach erledigt. Die Methode ist effizient in ihrer Arbeit und die Ergebnisse sind ebenfalls genau. Bewertung gesammelt von und auf G2.com gehostet.

Meiner Meinung nach muss die Dokumentation ein wenig verbessert werden. Die aktuelle Dokumentation ist für einen Anfänger wie mich etwas schwerer zu verstehen. Bewertung gesammelt von und auf G2.com gehostet.