隔了很久没有写数据挖掘系列的文章了，今天介绍一下朴素贝叶斯分类算法，讲一下基本原理，再以文本分类实践。 一个简单的例子 朴素贝叶斯算法是一个典型的统计学习方法，主要理论基础就是一个贝叶斯公式，贝叶斯公式的基本定义如下：

原文出处： 电流 背景与目的 首先，这是一个机器学习初学者兼非数学科班出身的非典型工程师的自学记录。所以本文不会特别理论，也不会太深入地讲解公式，但是会非常有目的性，针对一个特别现实的问题，从头开始分享解决方案，包括某些优化方案。

x 记为 X ，称为属性集。相应的类标签集合 C={c1,c2,…cm} ， X 和 C 的关系是不确定的，可以将 X 和 C 看作是随机变量， P(C|X) 称为 C 的后验概率，与之相对的， P(C)

比较全面的收集了机器学习的介绍文章，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning。 《机器学习经典论文/survey合集》 介绍：看题目你已经知道了是什么内容

1、摘要 贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本文作为分类算法的第一篇，将首先介绍分类问题，对分类问题进行一个正式的定义。然后，介绍贝叶斯分类算法的基础

大多数时候，贝叶斯统计在结果在最好的情况下是魔法，在最糟糕时是一种完全主观的废话。在用到贝叶斯方法的理论体系中，马尔可夫链蒙特卡洛方法尤其神秘。 这篇文章将介绍 马尔可夫链蒙特卡洛方法 ，极其背后的基本数学推理。

深拷贝就是生成一个新的对象，内容和原对象完全相同。浅拷贝即是指针的拷贝，生成一个新的指针指向原对象。 // // main.m // 深拷贝与浅拷贝 // // Created by on 15/4/10

Curtis 表示，Airbnb 将向外界公开其部分内部创新项目，并将部分数据结构与机器学习软件包开源，意味着 Airflow 和 Aerosolve 将成为继 Airpal 后另外两个开源软件包。 Airbnb

《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning

本主题包括两篇文章，由微软研究院和剑桥大学的Jamie Shotton，Antonio Criminisi，Sebastian Nowozin共同完成。 机器视觉是通过计算机算法自动理解图片内容

cn/2015/12/02/woume/ 机器学习现在可谓是炙手可热。只要应用机器学习，就可以有效丰富数据和知识，促进有价值的任务自动化，包括感知、分类和数值预测等。而它的「兄弟」——机器发现，可用于发现照亮和引导人类的新知识

1. 人工智能(推理部分)内蒙古工业大学计算机系 2007年6月 2. 第三章 基于谓词逻辑的机器推理命题逻辑（复习） 命题是具有真假意义的陈述句。 不能被分解成更简单的陈述句的命题称为简单命题 命题可用小写字母如p

（2）若Sk只含有一个谓词公式，则算法停止， k就是要求的最一般合一。 （3）求Sk的差异集Dk 。 （4）若Dk中存在元素 xk 和 tk ，其中xk是变元， tk是项且xk不在tk中出现，则置Sk+1 = Sk{tk /xk} ，

自从计算机被发明以来，人们就想知道它们能不能学习。如果我们理解了计算机学习的内在机制，即怎样使它们根据经验来自动提高，那么影响将是空前的。想象一下，在未来，计算机能从医疗记录中学习，获取治疗新疾病的最有效方法；住

事实上有许多的途径可以了解 机器学习 ，也有许多的资源例如书籍、公开课等可为所用，一些相关的比赛和工具也是你了解这个领域的好帮手。本文我将围绕这个话题，给出一些总结性的认识，并为你由 程序员 到机器学习高手的蜕变旅程中提供一些学习指引。

ganitha 包含一组算法用来实现在 Hadoop 平台是的各种规模的机器学习和统计分析。 项目主页： http://www.open-open.com/lib/view/home/1377775301651

和使用机器学习（简称ML）算法已经17年了。最近这几年机器学习开始受到广泛关注，所以人们经常问我：“什么是机器学习？你们用机器学习来做什么？” 我非常乐意回答这些问题，因为事实证明，机器学习的使用

也得到机器学习研究者的青睐，很多机器学习的算法库加入到了Python生态圈。这里介绍一些在发展的相关软件库，可以按图索骥，一窥机器学习的端奥。最近，像Google/IBM/MS都加入了机器学习的大阵营

在最近的学习中，看到一些有用的资源就记下来了，现在总结一下，欢迎补充！ 机器视觉开源代码合集 计算机视觉算法与代码集锦 计算机视觉的一些测试数据集和源码站点 SIFT官网 SURF

在本篇文章中，我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。这篇文档也算是 EasyPR开发的番外篇，从这里开始，必须对机器学习了解才能进一步