朴素贝叶斯分类器的python实现

本文用的是sciki-learn库的iris数据集进行测试。用的模型也是最简单的，就是用贝叶斯定理P(A|B) = P(B|A)*P(A)/P(B)，计算每一个类别在样本中几率（代码中是pLabel变量）python 以及每一个类下每一个特征的几率（代码中是pNum变量）。数组 写得比较粗糙，对于某个类下没有此特征的状况采用p=1/样本数量。app 有什么错误有人发现麻烦提出，谢谢。测试 # -*

>>阅读原文<<