基于朴素贝叶斯的中文文本情感倾向分类研究

朴素贝叶斯算法源码 ICTCLAS中文分词for Lucene.Net接口代码(实现Analyzer)

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法[1]。最为广泛的两种分类模型是决策树模型(DecisionTreeModel)和朴素贝叶斯模型（NaiveBayesianModel，NBM）

朴素贝叶斯方法.pdf

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 朴素贝叶斯代码，参考资料是李航写的这本书

利用c#编写的朴素贝叶斯算法，后期会加入五折交叉算法

基于朴素贝叶斯的手写数字识别，code中包含data，中间利用了PCA降维方法，识别精度达到95.42%

对于朴素贝叶斯算法过程与步骤的简单描述，并用java语言实现

我自学人工智能后所做的第一个AI程序，参考了一部分网上开源代码，改写了核心算法。可以用于分析中文评论，可以从评论中自动识别正面和负面含义。

针对朴素贝叶斯分类算法中缺失数据填补问题，提出一种基于改进EM（ExpectationMaximization）算法的朴素贝叶斯分类算法。该算法首先根据灰色相关度对缺失数据一个估计，估计值作为执行EM