算法简单介绍
NBC是应用最广的分类算法之中的一个。朴素贝叶斯模型发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同一时候，NBC模型所需预计的參数非常少，对缺失数据不太敏感，算法也比較简单。
算法如果给定目标值时属性之间互相条件独立。
算法输入
//读入样本
Filefile= new File("F:\\Program Files (x86)\\Weka-3-7\\data\\weather.nominal.arff");
ArffLoaderloader = newArffLoader();
loader.setFile(file);
ins= loader.getDataSet();
ins.setClassIndex(ins.numAttributes()-1);
//初始化分类器并训练
cfs= (Classifier)Class.forName("weka.classifiers.bayes.NaiveBayes").newInstance();
cfs.buildClassifier(ins);
//获取分类器结果
testingEvaluation.evaluateModelOnceAndRecordPrediction(cfs,testInst);
//打印分类结果
System.out.println("分类器的正确率："+ (1-testingEvaluation.errorRate()));
分类器的正确率：0.9583333333333334
算法应用
垃圾邮件过滤系统能够參考论文：周威成 马素霞 齐林海，一种基于机器学习的垃圾邮件智能过滤方法。
原创文章，转载请注明出处，谢谢。
数据挖掘算法学习（三）NaiveBayes算法,布布扣,bubuko.com
原文：http://www.cnblogs.com/hrhguanli/p/3916973.html