Converti o exemplo do primeiro capítulo para Ruby. Espero que ajude :)
Gemfile:
source 'https://rubygems.org'
gem 'lurn'pig.rb:
require 'lurn'
# [ tem perna curta, é gordinho, não faz *auau* ]
porco1 = [ 1, 1, 0 ]
porco2 = [ 1, 1, 0 ]
porco3 = [ 1, 1, 0 ]
cachorro1 = [ 1, 1, 1 ]
cachorro2 = [ 0, 1, 1 ]
cachorro3 = [ 0, 1, 1 ]
dados = [ porco1, porco2, porco3, cachorro1, cachorro2, cachorro3 ]
labels = [ :porco, :porco, :porco, :cachorro, :cachorro, :cachorro ]
misterioso1 = [ 1, 1, 1 ]
misterioso2 = [ 1, 0, 0 ]
misterioso3 = [ 0, 0, 1 ]
model = Lurn::NaiveBayes::MultinomialNaiveBayes.new
model.fit(dados, labels)
p model.max_class(misterioso1)
p model.max_probability(misterioso1)
p model.max_class(misterioso2)
p model.max_probability(misterioso2)
p model.max_class(misterioso3)
p model.max_probability(misterioso3)Bons estudos pessoal.
Valeu!
