机器学习实战第四章
基于概率论的分类方法：朴素贝叶斯说明：本章节所有代码使用版本为Python3优点：在数据较少的情况下仍然有效，可以处理多类别问题缺点：对于输入数据的准备方式较为敏感适用数据类型：标称型 概率论是许多机器学习算法的基础。本文首先从一个最简单的概率分类器开始，然后给出一些假设来学习朴素贝叶斯分类器，之所以称为 “朴素” ，是因为整个形式化过程只做最原始、最简单的假设。我们充分利用Python的文本处理能力将文档切分成词向量，然后利用词向量对文档进行分类，还将构建一个分类器，观察其在真实的垃圾
