该论文中详细介绍了基于朴素贝叶斯的垃圾邮件分类过程，以及五折交叉验证的评价指标，并包含完整的代码，python格式，是一个学习朴素贝叶斯方法不错的实例。

详细讲解了朴素贝叶斯的数学原理，及其思想。以及使用朴素贝叶斯方法对莺尾花进行分类。代码实现基于python，采用了不调包的方法实现本算法。本课件转载于菊安的机器学习。

这是基于朴素贝叶斯的文本分类代码，内涵老师给的数据集，最终输出精确度，F1，召回率及混淆矩阵，只需修改文本路径即可使用。

python语言实现基于朴素贝叶斯算法的垃圾邮件过滤器-附件资源

INSE6180 使用3个研究论文的数据挖掘算法实现。 该项目使用所有上述算法对从IMDb数据库获得的数据进行ML分析。 这些算法（朴素贝叶斯算法，决策树算法和支持向量机）在不同的数据集上效果最佳，但为了使它们更公平，已使用了新的IMDb数据库。 首先，对数据进行清洗，预处理，修剪然后整合，以便为分类器提供可能的最佳有意义数据。 考虑到要进行分析，分类器从头开始用Python语言编写了脚本。 最后，在已开发的分类器中进行分析，并进行比较研究。 队友：Gursimran Singh –40080981 Ufuoma Ubor-40072909 Darshan Dhananjay –40079241 Ashmeet Singh -40070369 V. Subramaniyaswamy，MV Vaibhav，RV Prasad和R. Logesh，“使用多元回归和SVM预测电影票房成功

该数据集内容为垃圾邮件分类数据集，用于自然语言处理>02.朴素贝叶斯-垃圾邮件分类中的案例数据，该数据集仅供参考

朴素贝叶斯分类及语言识别

主要介绍了朴素贝叶斯分类算法原理与Python实现与使用方法,结合具体实例形式分析了朴素贝叶斯分类算法的概念、原理、实现流程与相关操作技巧,需要的朋友可以参考下

FullBNT-1.0.7.zip 最新的贝叶斯网络代码包

数据集说明： 数据集下包含两个文件夹，其中spam文件夹下为垃圾邮件，ham文件夹下为非垃圾邮件。  数据集格式： txt文件