Niby całkiem naiwny Bayes...

Zadanie 1--4

W zbiorze lab9_DaneOpis.txt znajduje się opis danych znajdujących się w zbiorze lab9_Dane.xls.

   A. Wyznacz arność każdego z atrybutów.
   B. Dla każdego z wierszy zbioru testowego (T1, T2) określ z jakich krajów pochodzą osoby.
   C. Dla wiersza T3 ze zbioru testowego uzupełnij brakujący atrybut maritalStatus.
   D. Dla wiersza T4 i T5 ze zbioru testowego uzupełnij brakujące wartości atrybutów.
Zadanie 1--4 (alternatywa A, 6 punktów)

Zaimplementować naiwny klasyfikator Bayesa i sprawdzić poprawność działania na zbiorze car z bazy UCI. (http://archive.ics.uci.edu/ml/datasets/Car+Evaluation).
Zadanie 1--4 (alternatywa B, 6 punktów)

wykorzystując walidację krzyżową porównać zdolność klasyfikowania sieci neuronowej i klasyfikatora Bayesa na przykład na zbiorze car z bazy UCI (lub na dowolnym innym zbiorze z tego repozytorium, którego wszystkie atrybuty są jakościowe).

Zadanie 1--4 (alternatywa C, 12 punktów)

Zgromadzić artykuły z kilku dziedzin, np. konkretna dyscyplina sportowa, kino, recencje książek. W obrębie każdej kategorii stworzyć histogramy wystąpień poszczególnych słów w artykułach. Stosując własne (rozsądne) kryterium "ważności" słowa, stworzyć jeden słownik słów istotnych dla wybranych kategorii.
Wykorzystując słownik utworzony w ten sposób, na podstawie artykułów stworzyć zbiór uczący postaci:

nrArtykułu  liczbaWystąpieńSłowa1zeSłownika liczbaWystąpieńSłowa2zeSłownika ... liczbaWystąpieńSłowaNzeSłownika kategoria
np.:
 A19                4                                3                      ...             2                   sport
 A20                0                                0                      ...             7                   kino
 A21                2                                1                      ...             4                   kino
  .                 .                                .                      ...             .                   ........
  .                 .                                .                      ...             .                   .....
  .                 .                                .                      ...             .                   ...........

Przykładowo w artykule A19 pierwsze słowo pojawiło się 4 razy, drugie zaś 3 a ostatnie 2. Artykuł A19 należał do kategorii "sport".

Dla otworzonego w ten sposób zbioru uczącego, w miarę potrzeby wykonaj dyskretyzację poszczególnych atrybutów i wykorzystując klasyfikator Bayesa spróbuj zaklasyfikować nieznane artykuły.