基于朴素贝叶斯分类的研究，c++语言源代码，

初学数据结构的课程设计

基于餐饮评论数据的情感分析（主要涉及到短文分类，分别使用朴素贝叶斯、支持向量机、Xgboost 进行情感值的二分类） 本文主要通过情感分析来挖掘评论中有价值的信息。 获取所研究数据，即大众点评餐饮评论数据，通过分词去除停用词、词性标注等操作进行数据预处理，然后通过机器学习的方法来分析餐饮评论的情感极性，来进一步挖掘评论中有价值的信息。 使用python的结巴分词工具对中文文本进行分词。可用TF-IDF、词袋方法提取文本数据的特征。然后使用机器学习的方法进行文本分类，可以运用朴素贝叶斯（NB）、支持向量机（SVM）、随机森林等算法。查询了资料，考虑了速度、容错性、变量筛选能力、共性容忍度等因素，初步设想选用SVM算法。 ===》SVM算法优于NB 优于随机森林

博客https://blog.csdn.net/colourful_sky/article/details/72793254中的代码，Nbayes_lib.py，以及Nbayes.py

使用python进行朴素贝叶斯的数据分析，使用TF-IDF方法整理数据

针对传统朴素贝叶斯算法对高维复杂的入侵行为检测效率低下的状况，提出一种基于粒子群的加权朴素贝叶斯入侵检测模型。模型首先用粗糙集理论对样本属性特征集进行约简，再利用改进的粒子群算法优化加权朴素贝叶斯算法的属性权值，获得属性权值的最优解，用获得的最优解构造贝叶斯分类器完成检测。其中，改进的粒子群是采用权衡因子方法更新其速度和位置公式，避免产生局部最优。两种算法的结合，既能解决传统朴素贝叶斯算法的特征项冗余问题，同时也可以优化特征项间的强独立性问题。通过实验证实了该模型的实效性，提高了检测率。

这是改进的朴素贝叶斯算法的垃圾邮件过滤算法，论文，希望对你的学习有帮助。

基于hadoop2.0，mapreduce实现朴素贝叶斯算法，源码，NaieBayes 基于hadoop2.0，mapreduce实现朴素贝叶斯算法，源码，NaieBayes

对刚学习人工智能的萌新可能有些帮助

朴素贝叶斯判断垃圾邮件（带源码、注释、训练集和测试集），课程学习内容，可以直接运行（需要安装numpy库）