数据挖掘——朴素贝叶斯的分类实践Java

P(X|Y) = P(X,Y)/P(Y) (条件概率)->P(X,Y) = P(X|Y)P(Y)->P(X,Y) = P(Y|X)P(X)->P(X|Y) = P(Y|X)P(X)/

朴素贝叶斯的测试数据，每个文件是一个数字的01矩阵，一个文件对应一个数字，文件名第一个字符为对应的数字。

matlab朴素贝叶斯算法iris数据集

用于训练的朴素贝叶斯的训练数据集以及测试数据集

利用java语言实现朴素贝叶斯,解决文本分类问题,可以看一看。

朴素贝叶斯新闻分类java代码有训练和测试数据

主要为大家详细介绍了Python实现朴素贝叶斯算法,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

贝叶斯分类在文档分类中发挥独特的优势。利用Python的文本处理能力将文档切分为词向量,然后利用词向量对文档进行分类。 使用Python进行贝叶斯分类程序 #准备数据:从文本中构建词向量 #词表到向量

这是我写的朴素贝叶斯算法的代码,样例数据不够,仅用来学习参考算法的实现过程。对应我的博客:【从零开始的机器学习2】——朴素贝叶斯和邮件分类

用C实现的朴素贝叶斯的算法实现,对于数据挖掘的贝叶斯算法的理解有一定的帮助