最好的开源Java贝叶斯垃圾邮件过滤器库是什么？[关闭]
在的其他答案中，有人建议说Weka很好，但还有其他一些（Classifier4j，jBNC，Naiban）。
有人在这些方面有实际经验吗？
问题答案：
Weka很棒，但是Classifier4J可能更接近您想要的东西，因为它更着眼于文本识别。
-
问题内容： 我是Java新手，对Java中的垃圾收集器感到困惑。它实际上是做什么的，什么时候生效。请描述Java中垃圾收集器的一些属性。 问题答案： 该垃圾收集器是运行在一个程序的Java虚拟机，其摆脱其未使用的Java应用程序了对象。它是自动内存管理的一种形式。 当典型的Java应用程序运行时，它正在创建新的对象，例如和，但是在一段时间之后，这些对象将不再使用。例如，看下面的代码： 在上面的代码
-
问题内容： 为什么没有更多的Java开源易用图表库？这个领域唯一成功的开源项目似乎是jfreechart，它甚至没有任何文档或示例。 问题答案： 有Charts4j，它是一个图表API。它使开发人员可以通过直观，直观的Java API 以编程方式创建Google Chart API中 可用的图表。 免责声明：我写了chart4j。我们将在接下来的几周内发布另一个主要版本。
-
首先回顾一下贝叶斯公式： 再看看微软购物车的数据： 比如，我们为居住在邮编为88005地区的客户设置两个事件：买或不买Sencha绿茶，即： P(h1|D) = P(买绿茶|88005) P(h2|D) = P(┐买绿茶|88005) 你也许会问，这两个概率我们都可以直接从数据中计算得到，为什么还要计算下面这个公式呢？ 那是因为在现实问题中要计算P(h|D)往往是很困难的。 以上一节中的医学示例来
-
贝叶斯法则描述了P(h)、P(h|D)、P(D)、以及P(D|h)这四个概率之间的关系： 这个公式是贝叶斯方法论的基石。在数据挖掘中，我们通常会使用这个公式去判别不同事件之间的关系。 我们可以计算得到在某些条件下这位运动员是从事体操、马拉松、还是篮球项目的；也可以计算得到某些条件下这位客户是否会购买Sencha绿茶等。我们会通过计算不同事件的概率来得出结论。 比如说我们要决定是否给一位客户展示Se
-
还是让我们回到运动员的例子。如果我问你Brittney Griner的运动项目是什么，她有6尺8寸高，207磅重，你会说“篮球”；我再问你对此分类的准确度有多少信心，你会回答“非常有信心”。 我再问你Heather Zurich，6尺1寸高，重176磅，你可能就不能确定地说她是打篮球的了，至少不会像之前判定Brittney那样肯定。因为从Heather的身高体重来看她也有可能是跑马拉松的。 最后，
-
贝叶斯决策论是概率框架下实施决策的基本方法。它假设决策问题可以用概率的形式来描述，并且假设所有有关的概率结构均已知。 贝叶斯决策论 假设$$\lambda_{ij}$$为真实标记为$$c_j$$的样本误分类为$$c_i$$所产生的损失，可以定义将样本x分类$$c_i$$的条件风险（即期望损失）为 $$R(ci|x) = \sum{j=1}^{N} \lambda_{ij}P(c_j|x)$$ 为最