人工智能学习（十）：什么是贝叶斯网络——伯克利版
模型描述了世界的（一部分）运作方式。模型总是简化的：可能没有考虑到每个变量，不关心或者无法为其建模。可能没有考虑到变量之间的所有相互作用，无法发现或者代价昂贵。所有的模型都是错的；但有些是有用的。在<人工智能学习（七）：概率>中，我们主要谈论了动作，选择动作，动作序列，链式推理。但是在这一篇博文，我
高斯朴素贝叶斯分类的原理解释和手写代码实现
朴素贝叶斯假设每个参数（也称为特征或预测变量）具有预测输出变量的独立能力。所有参数的预测组合是最终预测，它返回因变量被分类到每个组中的概率，最后的分类被分配给概率较高的分组（类）。
