朴素贝叶斯

哎呀，从去年年底开始就要帮老板写一本人工智能的高中教材，其实就是一本机器学习的科普书，介绍几大经典机器学习算法。今天抽空写到朴素贝叶斯算法了，记录一些比较好的可能会用到的资料：

• 非负性 for every A， P(A)>=0
• additivity可加性 ：如果A、B相互独立，P(AB) = P(A$\cap$B) = P(A) + P(B)
• normalization归一性： $\Omega$为所有可能的实例空间集合，$P(\Omega ) = 1$
• 条件概率公式： $P(A|B)= \frac{P(A \cap B)}{P(B)} = \frac{number\ of\ elements\ of\ A \cap B}{number\ of\ elements\ of\ B}$
• 全概率理论 ： $$P(B)= P(A_{1} \cap B) + ... + P(A_{n} \cap B) \\= P(A_{1})P(B|A_{1}) + ... + P(A_{n})P(B|A_{n})$$
• -

学点统计学-朴素贝叶斯入门（带图的）：https://xueqiu.com/8287840120/75264428

朴素贝叶斯分类器的应用（有例子）：
http://www.ruanyifeng.com/blog/2013/12/naive_bayes_classifier.html?bsh_bid=1598724030

贝叶斯分类器经典讲解（PPT）：https://wenku.baidu.com/view/823d59e1964bcf84b8d57b6f.html

数据挖掘系列（8）朴素贝叶斯分类算法原理与实践（中文文本分类例子）：
http://www.cnblogs.com/fengfenggirl/p/bayes_classify.html

朴素贝叶斯分类器（Naive Bayes classifier)（Python邮件分类）：
http://hareric.com/2016/04/23/%E6%9C%B4%E7%B4%A0%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E7%B1%BB%E5%99%A8/

机器学习实战1：朴素贝叶斯模型:文本分类+垃圾邮件分类（Python）：
http://www.cnblogs.com/rongyux/p/5602037.html

数学之美番外篇：平凡而又神奇的贝叶斯方法（举例详细）：
http://mindhacks.cn/2008/09/21/the-magical-bayesian-method/

英文垃圾邮件过滤JAVA代码：http://www.ganecheng.tech/blog/53219332.html
https://blog.csdn.net/Gane_Cheng/article/details/53219332

中文垃圾邮件过滤 Python：https://blog.csdn.net/shijing_0214/article/details/51200965

手把手教你用 python 和 scikit-learn 实现垃圾邮件过滤：
https://www.leiphone.com/news/201707/YkBwwc4HeXq76eS3.html

https://radimrehurek.com/data_science_python/

中文垃圾邮件数据集相关资料：
用PaddlePaddle调戏邮件诈骗犯-Part1