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）

分类算法-朴素贝叶斯算法C语言实现

基于朴素贝叶斯的中文文本情感倾向分类研究，写得还是不错的。。。

使用朴素贝叶斯对newsgroup文档分类的Python实现

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类的方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入输出的联合概率分布。然后基于此模型，对于给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。笔者找到了较好的数据集，通过处理数据，将垃圾邮件向量化并训练模型，得到了较好的训练结果。同时，通过尝试不同分类器的效果，笔者也做出了统计图用于比较优劣。

NaiveBays朴素贝叶斯算法在JAVA中的实现

一种基于情感词典和朴素贝叶斯的中文文本情感分类方法

多语言 程序语言专家。 它用于检测程序语言，就像，但基于朴素贝叶斯分类器。 入门 使用pip安装 pip install git+https://github.com/polyrabbit/polyglot 首先，我们需要在多语言训练语料库上训练多语言，语料库中的每个文件夹都应该包含名称由文件夹标识的相同语言的文件。 例如 polyglot train --corpus=./corpus --ngram=3 --verbose --output=./model.json 使用上述命令生成预先包含的 。 运行polyglot train --help以了解使用细节。 训练后，我们可以使用朴素贝叶斯分类器对给定文件进行分类。 例如 echo import os | polyglot classify --ngram=3 --top=3 --verbose --model=./mode