Naive Bayesian Classification for Golang Reseñas y Detalles del Producto

Todo fue tan bueno. Es más útil para cualquiera, es totalmente según lo esperado y todo el modelo de clasificación está de acuerdo con los requisitos. Reseña recopilada por y alojada en G2.com.

Parece muy complejo, no es fácil de entender para una persona común. Debería ser más amigable para el usuario y fácil de entender. Es un modelo de probabilidad que no es útil para todos los sectores. Reseña recopilada por y alojada en G2.com.

El algoritmo ingenuo de Bayes es un algoritmo de aprendizaje supervisado que se basa en el teorema de Bayes. Reseña recopilada por y alojada en G2.com.

Este es el clasificador probabilístico simple. Reseña recopilada por y alojada en G2.com.

Producto rápido y confiable. Es muy útil durante la programación de A.I. Algoritmo poderoso para la ciencia de datos. Reseña recopilada por y alojada en G2.com.

La documentación es tan complicada, también hay algún problema de importación. Debido a la falta de personas en la comunidad, no pudiste encontrar tu solución rápidamente. Reseña recopilada por y alojada en G2.com.

Hay un par de cosas que me gustan del producto, su técnica de clasificación rápida y confiable, generalmente utilizada para la clasificación de texto. Las bibliotecas de Golang no están fácilmente disponibles, por lo que me hizo más productivo. Reseña recopilada por y alojada en G2.com.

Recibí algunos errores instantáneos mientras modelaba, pero funciona bien en su mayoría. La comunidad no es muy grande, así que cuando tienes un problema, la solución no está fácilmente disponible. Reseña recopilada por y alojada en G2.com.

Naive Bayes es un fuerte algoritmo de clasificación, posiblemente uno de los algoritmos más poderosos (y populares) utilizados en Ciencia de Datos. Fue muy difícil encontrar una biblioteca para Naive Bayes en Golang, pero ¡esto hizo el trabajo! Es ligero, eficiente y aunque no tiene mucha funcionalidad, cumple con su cometido. Reseña recopilada por y alojada en G2.com.

Esto definitivamente necesita documentación más simple con respecto tanto a la instalación como al uso. La comunidad detrás de Golang también está creciendo y, por lo tanto, no puede ofrecer tantos beneficios como una comunidad grande como la de Python o R. Reseña recopilada por y alojada en G2.com.

Hizo que fuera extremadamente fácil clasificar y confiable un gran conjunto de datos de manera eficiente. Es una biblioteca ligera para usar con el algoritmo de clasificación de Naive Bayes, con su documentación es fácil comenzar si eres un ingeniero experimentado y clasificar tus datos de inmediato. Reseña recopilada por y alojada en G2.com.

Para los principiantes no es tan fácil comenzar con la documentación actual, sería genial refactorizar los documentos para que sea más eficiente para ingenieros con diferentes antecedentes. Reseña recopilada por y alojada en G2.com.

El algoritmo de Naive Bayes es muy útil para el procesamiento del lenguaje natural y lo que más me gusta es la precisión y el rendimiento rápido. Reseña recopilada por y alojada en G2.com.

No puede detectar el humor en la oración, por ejemplo, si estamos haciendo una clasificación de reseñas de películas, solo puede detectar reseñas positivas y negativas, pero no puede detectar el sarcasmo. Reseña recopilada por y alojada en G2.com.

Trabajar en proyectos específicos puede ser difícil de manipular todo el proceso, creo que sería bueno personalizar los resultados. Reseña recopilada por y alojada en G2.com.

Lo que no nos gustó como equipo es la lenta capacidad de respuesta del servicio al cliente. Reseña recopilada por y alojada en G2.com.

Capacidad para clasificar el texto y establecer la salida programática para obtener los resultados comerciales deseados de manera efectiva. Reseña recopilada por y alojada en G2.com.

La documentación sobre la comprensión del algoritmo y la implementación es muy limitada. Reseña recopilada por y alojada en G2.com.

Como se menciona en el título, Naive Bayes es un algoritmo de clasificación muy simple que hace algunas suposiciones fuertes sobre la independencia de cada variable de entrada. Encontré esto cuando estaba buscando un algoritmo de clasificación para mi proyecto de investigación. Es una biblioteca ligera para usar con el algoritmo de clasificación Naive Bayes. Fue muy difícil encontrar esta biblioteca para el lenguaje Go, pero con la ayuda de esto, hice el trabajo muy fácilmente. El método es eficiente en su trabajo y los resultados también son precisos. Reseña recopilada por y alojada en G2.com.

En mi opinión, creo que esto necesita mejorar un poco más su documentación. La documentación actual es un poco más difícil de entender para un principiante como yo. Reseña recopilada por y alojada en G2.com.