java实现基于贝努力模型的朴素贝叶斯分类器

输入先验概率，以及特征，输出分类情况，本程序以癌症患病判定为例

用FAMALE.TXT和MALE.TXT的数据作为训练样本集，建立Bayes分类器，用测试样本数据对该分类器进行测试。

压缩包中包括python脚本和一个PPT。在UtralEdit中打开这两个脚本NBayes_lib.py和NBayes_test.py就可以查看脚本，然后运行NBayes_test.py这个脚本就可以

在特征独立性假设的基础上，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类器进行分类的问题。

由于作为朴素贝叶斯分类器的主要特征的条件独立性假设条件过强且在不同数据集上表现出的差异，所以独立性假设成为众多改进算法的切入点。但也有研究指出不满足该假设并没有对分类器造成预想的影响。从降低后验概率的

扩展了Rough集正区域和边界的定义，在得到信息系统最大正区域的前提下，给出了认知正区域、认知属性核和认知属性约简的定义，并给出了从经典属性约简到认知属性约简转换的高效算法。此外，在认知正区域的定义下

java写的朴素贝叶斯文本分类代码，有详细说明

用于线性可分的不同类型源代码对三类数据进行分类数据在.txt中

Matlab implementation and case of Bayesian classifier

PyCharm作为Python开发者首选的集成开发环境之一，可以高效地执行贝叶斯分类器。在使用PyCharm进行贝叶斯分类时，首先需要在IDE中创建一个新的项目，并确保已正确安装Python解释器和必