[学习] 数据挖掘-贝叶斯分类(例子，代码)

什么是贝叶斯分类：

首先举个经典的例子， A病症检测： 有1/100的人A病症检测会成阳性，地球上有1/1000的人会的A病症，得了A病症的人有90%的概率显示A病症检测阳性，那么当一个人A病症检测阳性了他的得A病的概率是？
答案是 1/1000*0.9*100 = 0.09 9%的概率，怎么证明网上有很多，@link:http://www.cnblogs.com/leoo2sk/archive/2010/09/17/1829190.html
相关公式：
P(B|A) = P(A|B)P(B)/P(A)

一般操作：

使用大量数据作为训练集，来预测下新来数据的某一属性。

原理：

通过P(n)*P(a|n)*P(b|n),,,,计算已知参数在各个n的情况下的概率，取得最大的P就是预测结果

作为基础数据挖掘，就写个例子来玩下看，顺便Mark 下

例子：

生成一个爱好 收入表， 女生爱购物收入低，男生爱打球收入高

    public static void genTestBayes(String path) {
        for (int i = 0; i < 20000; i++) {
            String data = "";
            if (Math.random() <= 0.5) {
                data = data + "男 ";
                double son = Math.random();
                if (son > 0.95) {
                    data = data + "购物 ";
                } else if (son <= 0.6) {
                    data = data + "打球 ";
                } else if (son > 0.6 && son <= 0.85) {
                    data = data + "电影 ";
                } else {
                    data = data + "吃饭 ";
                }
                double daughter = Math.random();
                if (daughter > 0.5) {
                    data = data + "3000";
                } el