朴素贝叶斯&&KNN算法

朴素贝叶斯算法

• 朴素贝叶斯：简单的说就是计算某个东西在一堆样本中的概率。
  举个栗子：有两堆词库，一堆词库里面存着好评的词组出现的概率。一堆词库存着差评的词组出现的概率。 现在给你一句话，让你计算出这句话是好评还是差评。那么就可以首先把这句话拆分，然后计算拆分出来的词组对应的好评和差评的概率是多少。最后把词组中好评的概率和好评的概率相乘。差评和差评的概率相乘。两者的值相除计算出是否倾向于好评还是差评。这就是朴素贝叶斯算法。

knn算法

• knn算法：就是计算一个样本数据，更加倾向于哪一类数据。
  举个栗子：下面有A,B两堆数据。现在要计算出任意的一点(x，y).求出（x,y）是属于哪一堆的。通过公式
  就可以计算出距离哪一堆更近。三维，四维的同理。这就是knn算法。