朴素贝叶斯

机器学习是将数据转化为决策面的过程

scikit-learn缩写为sklearn

sklearn.naive_bayes.GaussianNB

训练一个分类器，学习之后预测其处理的准确性：

def NBAccuracy(features_train, labels_train, features_test, labels_test):
    from sklearn.naive_bayes import GaussianNB
    clf = GaussianNB()
    clf.fit(features_train, labels_train)
    pred = clf.predict(features_test)

# labels_test的标签是我们之前就打好的，所以可以预测准确性 
    accuracy = clf.score(features_test, labels_test)
    return accuracy

贝叶斯规则

事实上，贝叶斯更像是这样的一种表示

朴素贝叶斯用于判断文本中是否有哪个关键字有很强的优势，然而却不能用于判断句子顺序。用改模型可以判断作者写作风格，进而判断邮件作者是谁。

扩展阅读

贝叶斯推断及其互联网应用

用机器学习模型推断出某名不见经传的作者其实是JK罗琳