chapter6:概率及朴素贝叶斯－－朴素贝叶斯

　　利用近邻算法，很难量化分类的置信度。而基于概率的分类算法－－－贝叶斯算法却不仅能够分类而且能够给出分类的概率，比如这个运动员８０％的概率是一名篮球运动员

　　P(h)称为h的先验概率prior probability

       P(h | d)称为h的后验概率posterior probability

一、贝叶斯定理

二、朴素贝叶斯

　　iHealth公司的i100 i500两款产品，

　　　iHealth100：心率、ＧＰＳ、ＷｉＦｉ

　　   iHealth500：在i100的基础上添加了血氧饱和度和到iHealth网站的免费3G连接

　   iHealth公司雇我们构建一个面对顾客的产品推荐系统。为获得数据来构建系统，顾客购买时会让顾客填写一张问卷调查表。问卷中的每个问题都与某个属性有关

　　问题：如果某人的主要兴趣是健康、当前锻炼级别适中、动机中等，那么利用朴素贝叶斯方法会推荐哪款产品给他？

    def classify(self, itemVector):
        """Return class we think item Vector is in"""
        results = []
        for (category, prior) in self.prior.items():
            prob = prior
            col = 1
            for attrValue in itemVector:
                if not attrValue in self.conditional[category][col]:
                    # we did not find any instances of this attribute value
                    # occurring with this category so prob = 0
                    prob = 0
                else:
                    prob = prob * self.conditional[category][col][attrValue]
                col += 1
            results.append((prob, category))
        # return the category with the highest probability
        return(max(results)[1])

三、国会投票记录数据集

　　http://archive.ics.uci.edu/ml/index.html的机器学习资源库下载
       概率估计