贝叶斯分类器

本系统是C++写的基于机器学习的朴素贝叶斯分类器，系统比较简单，可扩展性强。

基于贝叶斯分类器的手写体数字识别，识别率为87%，加大训练样本识别率更高。

代码用VS2010实现，有测试数据男性：MALE.txt；女性：FEMALE.txt；待测试数据：test2.txt；结果保存在result.txt中。将人的身高(height)和体重(weight)

以特征独立性为基础，讨论了朴素贝叶斯分类器的原理，以及训练朴素贝叶斯分类器和应用朴素贝叶斯分用了“拉普拉斯修正”，进而提高了朴素贝叶斯分类器的精度，最后对西瓜的好坏做出判别，完成分类器进行分类的问题。

基于最小错误概率的贝叶斯分类器

贝叶斯分类器实现代码，正确率高达百分之70.

南京理工大学数据挖掘研究生课程设计，结合Iris Data Set数据集的贝叶斯分类器的vc6.0实现!完整源代码！！

代码：Java语言算法：朴素贝叶斯分类器（中文）适用于情感分析涉及：条件概率，先验概率计算，中文分词器，停用词处理

朴素贝叶斯分类器在训练速度方面表现出色，通常优于线性模型分类器，如 LogisticRegression 和 LinearSVC。然而，这种效率提升伴随着泛化能力的略微下降。朴素贝叶斯算法通过独立分析

其中女生类别标号为0，男生类别标号为1，数据集为dataset1.txt，dataset2.txt，dataset3.txt，第一列为身高，第二列为体重，第三列为类别标号