ＮＢ朴素贝叶斯算法在UCI数据集上的的java实现

用python实现的 朴素贝叶斯代码，参考资料是李航写的这本书

本文主要描述了朴素贝叶斯分类方法,包括模型导出和学习描述。实例部分总结了《machine learning in action》一书中展示的一个该方法用于句子感情色彩分类的程序。1 方法概述 学习(参

朴素贝叶斯分类 这是泰坦尼克号数据集(5行数据集)的高斯分类方法。 该模型的准确性为62.228%。 通过在我们的分析中使用更多功能,可以提高准确性。

MLE_朴素贝叶斯， 讲义， 最大似然估计推到很详细， 朴素贝叶斯推到二值特征。

用python实现的朴素贝叶斯，部分分类正确率达到95%以上，对于部分主题敏感度不高。

基于Mapreduce的朴素贝叶斯分类

贝叶斯算法的C语言 和JAVA语言实现,源代码下载

朴素贝叶斯算法（C语言实现）（来自网络）

主要介绍了PHP实现机器学习之朴素贝叶斯算法,结合实例形式详细分析了朴素贝叶斯算法的概念、原理及php实现技巧,需要的朋友可以参考下

使用Python编写机器学习算法，通过朴素贝叶斯算法对垃圾短信数据集进行分类。首先，将数据集划分为训练集和测试集，其中测试集占20%。然后，使用特征提取方法来处理文本数据，以便将其转化为可用于算法训练