首先就是貝葉斯定理：
進行貝葉斯分類一般就是三個過程：
1、確定分類的特徵屬性，及其劃分
比如：確定乙個賬號是真實帳號還是假賬號中，確定的特徵屬性是：
a1：日誌數量/註冊天數，a2：好友數量/註冊天數，a3：是否使用
真實頭像。在sns社群中這三項都是可以直接從資料庫裡得到或計算出來的。
2、訓練分類器（這是分類演算法的關鍵）
所謂的訓練分類器就是根據手動處理過的訓練樣本計算各種各樣的概率
3、對待分類項進行分類
也就是對每個分類類別y分別計算p(y/x)，然後比較哪個最大，最大的就是x的類別
注意：在這個過程中，影響分類器分類準確性的因素有：特徵屬性、特徵屬性劃分及訓練樣本質量。
樸樹貝葉斯分類 拼寫檢查
coding utf 8 貝葉斯分類之拼寫檢查 原理 1.統計每個單詞出現的概率 2.計算輸入單詞與詞典中正確單詞的距離 3.找到概率最大的單詞 import re import collections 提文字中的單詞 defwords text return re.findall a z text...
樸樹貝葉斯 sklean 文字分類實現
讀取本地檔案進行分析，分詞中英文都支援，可以換結巴分詞。訓練樣本可以自己定義，目錄結構就是當前專案的 data log資料夾，一級目錄是類別，二級目錄是檔案即可。博主訓練集合 僅供參考 from sklearn.datasets import load files 載入資料集 training da...
貝葉斯演算法
貝葉斯演算法需要解決的問題 1.正向概率 假設袋子中n白球，m黑球，摸到黑球概率多大 2.逆向概率 事先不知道袋子中黑白球個數，從袋子中摸出乙個或幾個球，觀察這些取出球的顏色，以此來推斷袋中白黑球的比例。為什麼需要貝葉斯 現實世界本身就是不確定的，假設黑白球數量無限大，人類觀察能力有限，我們不可能完...