python源码，用朴素贝叶斯算法实现垃圾邮件的过滤.

使用Python3.5实现贝叶斯完成文本分类，代码中有详细的解释

java实现的NB算法，在UCI的三个个数据集上进行了测试，包含测试结果和实验报告，还有UCI测试数据 人工智能大作业实验

实验描述: 对指定数据集进行分类问题的分析，选择适当的分类算法，编写程序实现，提交程序和结果报告 数据集： balance-scale.data（见附件一） ，已有数据集构建贝叶斯分类器。 数据包括四个属性：五个属性值 第一个属性值表示样本的类别号，其他四个属性为四个不同的特征值。

贝叶斯定理是关于随机事件A和B的条件概率（或边缘概率）的一则定理。朴素贝叶斯分类是一种十分简单的分类算法，叫它朴素贝叶斯分类是因为这种方法的思想真的很朴素，朴素贝叶斯的思想基础是这样的：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。通俗来说，就好比这么个道理，你在街上看到一个黑人，我问你你猜这哥们哪里来的，你十有八九猜非洲。为什么呢？因为黑人中非洲人的比率最高，当然人家也可能是美洲人或亚洲人，但在没有其它可用信息下，我们会选择条件概率最大的类别，这就是朴素贝叶斯的思想基础。

朴素贝叶斯matlab代码,朴素贝叶斯分类，采用10-折交叉验证

机器学习，朴素贝叶斯算法分类，c++实现

利用c#编写的朴素贝叶斯算法，后期会加入五折交叉算法

朴素贝叶斯分类器 MATLAB 源代码，里面含有使用实例，用的是 UCI 的 mushroom 数据集。 分类器详细介绍见： http://blog.csdn.net/yunduanmuxue/article/details/39693917

用matlab实现的朴素贝叶斯算法，亲测可用。