python贝叶斯实战

1. python 朴素贝叶斯怎样获得 概率结果

朴素：特征条件独立 贝叶斯：基于贝叶斯定理 根据贝叶斯定理，对一个分类问题，给定样本特征x，样本属于类别y的概率是 p(y|x)=p(x|y)p(y)p(x) 在这里，x是一个特征向量，将设x维度为M。

2. python sklearn 朴素贝叶斯多分类怎么做

用的过程是这样考虑的，xpath 是你需要知道文档结构，而beautifulsoup 是不知道的时候去尝试找某些标签。 说的不对的话请轻喷，用的场景不同。

3. 请问你会用python实现贝叶斯网络了吗

名函数有个限制，就是只能有一个表达式，不用写return，返回值就是该表达式的结果。

4. 如何用python编译贝叶斯分类

可以做分类。通常是做文本分类。 在此基础上做邮件的垃圾邮件过滤。还有自动识别效果也不错。 这是一个常见的算法。而且用处挺多的。 在语言分析里常用。比如：我有一组文件，想自动分成不同的类别。 再比如我有一个文章，想根据内容，

5. 怎么使用贝叶斯决策在python中运行

不是版本的问题 ，有两种可能 1，你的可能前面不用 加 python的 2，你把你的2.6.2卸载调，再装一次

6. 贝叶斯算法能做什么 python

贝叶斯分类算法的设计与实现 求源码 最好能处理图像型垃圾邮件

7. 这是一个用Python语言写的的朴素贝叶斯程序（我在网上搜到的），求哪位大神能详细解释一下这个程序的思路

从工程角度看，程序写得太烂，几乎没有可读性。 典型的学校里的教学用的程序 。
从学校角度看，这个程序精彩。符合“高手”的特点。

仔细阅读了一下，程序写得不好。公式应用的也有问题。如果这个人去公司里开发，第一件事情是要改掉所有变量命名习惯。象data, test这样的命名都去掉。cnt2,cnt1作为局部变量可以，但是入在return里就是错误。到单字母作为函数名也不妥。

如果公司里有一个这个的开发人员，就够头大，他会给你留下一堆 的坑，让你花十倍速的精力去填坑。不如不要。如果有两个这个程序员，整个项目组都会受影响。所以说，学校的编程教育害人。

你自己对着教材，一天也不用就可以写出一个不错的BAYES分类程序。难度不大。

8. python贝叶斯思维这本书，看不懂啊，是不是要把他的模块里的东西看一遍

看不懂的话 还是从更基础的看起吧

循序渐进一点点的慢慢来

9. Python有没有支持贝叶斯网络的包

Bayesian-belief-networks允许你用纯Python创建贝叶斯信念网络和其他图模型，目前支持四种不同的推理方法。
支持的图模型
离散变量的贝叶斯信念网络
有着高斯分布的连续变量的高斯贝叶斯网络
推理引擎
消息传递和联合树算法（Junction Tree Algorithm）
和积算法（The Sum Proct Algorithm）
MCMC采样的近似推理
高斯贝叶斯网络中得Exact Propagation

10. 用Python的sklearn包实现朴素贝叶斯多项式模型， predict_proba里面有1

python的机器学习模块sklearn（Google公司开始投资，是大数据战略的一个步骤）可以用于模式识别，用在一般知识发现，例如户外参与人口的类型，sklearn包自己带了两个数据集，其中一个是鸢尾花数据库（iris，鸢尾花）
from sklearn import datasets
iris = datasets.load_irises()
#把鸢尾花数据集加载
data = iris.data
#可以用dir(data)查看数据集的性质其中包括max最大，mean中值等等
data.shape

#返回值：（150，4）表示150个观察值，4个特征设定萼片和花瓣的长宽；
pylab.imshow(digits.images[-1], cmap = pylab.cm_gray_r)