朴素贝叶斯分类器的python实现

本文用的是sciki-learn库的iris数据集进行测试。用的模型也是最简单的，就是用贝叶斯定理P(A|B) = P(B|A)*P(A)/P(B)，计算每个类别在样本中概率（代码中是pLabel变量）

以及每个类下每个特征的概率（代码中是pNum变量）。

写得比较粗糙，对于某个类下没有此特征的情况采用p=1/样本数量。

有什么错误有人发现麻烦提出，谢谢。

# -*- coding:utf-8 -*-
from numpy import *
from sklearn import datase