機器學習實戰 - 基於機率論的分類方法：樸素貝葉斯

以前關於k-近鄰和決策樹的講解沒有一步一步具體的說明每一個函數的實現功能和測試樣例，讓不是學習本書的人看起來一片代碼一頭霧水，這裏開始，會仔細的講解每一個函數實現的功能和其對應的測試樣例，以前的也會抽空修改。python 跟機率的做用同樣，若是A事件發生的機率大於B時間發生的機率那麼咱們的「決策機構」就選擇A事件，反則選B。咱們首先得有鋪墊的知識點——條件機率：就是事件A在另一個事件B已經發生條件

>>阅读原文<<