朴素贝叶斯
举个在 NLP 的应用：给一段文字，返回情感分类，这段文字的态度是positive，还是negative：
图6-1 问题案例
为了解决这个问题，可以只看其中的一些单词：
这段文字，将仅由一些单词和它们的计数代表：
原始问题是：给你一句话，它属于哪一类 ？通过bayes rules变成一个比较简单容易求得的问题：
问题变成，这一类中这句话出现的概率是多少，当然，别忘了公式里的另外两个概率。例子：单词“love”在positive的情况下出现的概率是 0.1，在negative的情况下出现的概率是0.001。
图6-2 NB算法结果展示图
K近邻算法
给一个新的数据时，离它最近的 k 个点中，哪个类别多，这个数据就属于哪一类。
例子：要区分“猫”和“狗”，通过“claws”和“sound”两个feature来判断的话，圆形和三角形是已知分类的了，那么这个“star”代表的是哪一类呢？
图7-1 问题案例
k＝3时，这三条线链接的点就是最近的三个点，那么圆形多一些，所以这个star就是属于猫。