在学习《数据科学导引》第四章分类算法——决策树及朴素贝叶斯时可以参考本课件，基本原理通俗易懂，并举了相关例子，在决策树剪枝部分对课本内容做了补充，有兴趣可以翻阅。 汇报前查阅了很多相关资料，进行了整合和总结，如果有不甚清晰的地方可以私聊探讨，本人在课堂上对本部分做讲解的时候收到了很好的反响。 如果有不同的见解及学习方法，欢迎在评论区留言提问或提出建议。

1、内容概要：本资源主要基朴素贝叶斯算法实现垃圾邮件过滤分类，适用于初学者学习文本分类使用。 2、主要内容：邮件数据集email，email文件夹下有两个文件夹ham和spam，其中ham文件夹下的txt文件为正常邮件，spam文件下的txt文件为垃圾邮件；停用词文件stopwords_cn.txt；Naive_Bay.py 朴素贝叶斯算法实现源码；Email_NB.py垃圾邮件分类实现源码。

1、内容概要：本资源主要基朴素贝叶斯算法实现新闻分类，适用于初学者学习文本分类使用。 2、新闻分类源码实现过程：将数据集划分为训练集和测试集；使用jieba模块进行分词，词频统计，停用词过滤，文本特征提取，将文本数据向量化，使用朴素贝叶斯算法进行分类。 3、主要内容：搜狗新闻数据集SogouC，标签包括财经、IT、健康、体育、旅游、教育、招聘、文化和军事；停用词文件stopwords_cn.txt；Naive_Bay.py 朴素贝叶斯算法实现源码；News_NB.py新闻分类实现源码。

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

针对垃圾邮件泛滥的问题，本文基于朴素贝叶斯算法构建了邮件过滤系统，并采取平滑、归一化等方法进行数据预处理，提取结构与统计特征，通过邮件地址、邮件内容等多个方式进行过滤。计算机测试后表明本算法提高了垃圾邮件识别精度与准确率。

用于机器学习分类的数据集，食品安全新闻数据（.txt格式）

朴素贝叶斯算法在 Kaggle 上可用的肥料数据的应用 数据集来源：https ://www.kaggle.com/gdabhishek/counter-prediction

本资源主要是实现了一个处理连续属性的朴素贝叶斯模型并在UCA上的葡萄酒数据集上进行了测评，另外源码中还包含了与数据集预处理、sklearn中的朴素贝叶斯的对比以及降维可视化等操作且注释详细，是一份完整的机器学习入门源码。

朴素贝叶斯分类算法的python实现，有需要的同学可以自取。如果积分涨得过高请联系我，我随时可以下调

用c++编写的朴素贝叶斯算法，包含零概率处理，数据已在程序中初始化