康娜喵的原创博客

朴素贝叶斯和邮件分类一.朴素贝叶斯的数学基础二.公式1.贝叶斯公式2.朴素贝叶斯公式3.代码中的朴素贝叶斯①.思想②.拉普拉斯平滑三.实战——邮件分类1.说明2.代码流程3.代码实现4.完整代码四.后记一.朴素贝叶斯的数学基础首先我们需要了解以下几个数学的基础名词：先验概率：通过已知的模型（原因）去推测结果的概率，比如：黑盒里有三个白球，七个红球，求事件A：摸出一个黑球的概率。记作P(A)。条件概率：事件A在事件B已经发生的状态下，发生的概率，记作P(A|B)。后验概率：通过已知的结果，去推测模型

KNN零.前言一.原理1.简述原理2.补充说明二.代码实现1.创建数据集2.使用KNN预测图片算法三.总结与反思零.前言又开一个坑，手写一些机器学习常用的函数的代码，以此深度了解机器学习框架背后的一些原理。一.原理1.简述原理KNN的原理，简述就是：向量化训练集和目标预测目标与训练集中每一个成员的距离选出训练集中与待预测的目标距离最小的K个成员在这K个成员中，选出出现次数最多的那个成员，该成员就是我们的预测结果2.补充说明向量化是指：比如一张28 * 28像素的图片，我们可以给