Mehr Kommentare

JSONHandler.py

@@ -24,6 +24,9 @@ class JsonHandler:
         n number of items to select randomly,
         returns new DataFrame with only selected items
         '''
+        
+        ## df.sample(n=5, random_state=42) gibt dir 5 zufallswerte, ist das das, was du suchst?
+        
         # initialize random => reproducible sequence
         np.random.seed(5)
         # add new column 'Random'

NaiveBayes.py

@@ -92,6 +92,7 @@ class NaiveBayes:
             print('rec: ' + str(rec))
             recall_scores.append(rec)
             ##DORIS: PRECISION MISST DU AUCH MIT DEN TEST SCORES!!!
+            ## Hier auch trainings- gegen testwerte tauschen
             prec = precision_score(y[train], predictions_train)
             print('prec: ' + str(prec))
             print('#')

NaiveBayes_Interactive.py

@@ -68,6 +68,8 @@ class NaiveBayes_Interactive:
             print('rec: ' + str(rec))
             recall_scores.append(rec)
             ##DORIS: PRECISION MISST DU AUCH MIT DEN TEST SCORES!!!
+            ## DU hast in der Zeile untendrunter y[train] und predicitons_train verwendet, du brauchst aber y[test] etc.,
+            ## da precision ja nur ein anderes maß als recall ist, es muss aber genauso mit den testwerten berechnet werden
             prec = precision_score(y[train], predictions_train)
             print('prec: ' + str(prec))
             print('#')