朴素贝叶斯法首先训练朴素贝叶斯模型，对应算法4.1(1)，分别计算先验概率及条件概率，分别存在字典priorP和condP中（初始化函数中定义）。其中，计算一个向量各元素频率的操作反复出现，定义为count函数。 # 初始化函数定义了先验概率和条件概率字典，并训练模型 def __init__(self, data, label):self.priorP = {}self.condP = {}self.train(data, label) count函数，输入一个向量，输出一个字典，包含各元素频率 # 给一个向量，返...
朴素贝叶斯是经典的机器学习算法之一，也是为数不多的基于概率论的分类算法。对于大多数的分类算法，在所有的机器学习分类算法中，朴素贝叶斯和其他绝大多数的分类算法都不同。比如决策树，KNN，逻辑回归，支持向量机等，他们都是判别方法，也就是直接学习出特征输出Y和特征X之间的关系，要么是决策函数，要么是条件分布。但是朴素贝叶斯却是生成方法，该算法原理简单，也易于实现。 1，基本概念朴素贝叶斯：贝叶斯分类时一类分类算...