用java实现的贝叶斯分类算法。用于大数据的分类。 现在是大数据时代，海量数据影响着我们生活的方方面面。生活在当今时代的攻城狮，多多少少要对这个有点了解，不然就显得逼格不够高哈。大数据处理中最常用就是对数据进行分类，统计，关联分析等。这篇博客介绍下朴素贝叶斯分类算法在数据分类中的一个应用，举一个例子并使用java对其进行实现 ，借此也巩固下我所学的知识。

回答这个问题首先要谈下什么是分类。其实这个很好理解，就比如看到一个陌生人，你通过他的穿着举止从而判断他十有八九是个程序猿，那这就是一个分类。

1. 贝叶斯定理 对于事件A和事件B，满足以下关系： P(A|B)=P(B|A)P(A)/P(B) 其中P(B|A)表示事件A发生的条件下事件B发生的概率。但通常情况下，如果我们更需要知道事件B发生条件下事件A发生的概率时，贝叶斯定理就及其有用。
2. 朴素贝叶斯分类算法 朴素贝叶斯分类的正式定义如下：

• 有一个待分类项，比如举个例子，它是否是程序猿。
• 有类别集合,这里可以理解为是一个人的各种特征。
• 分别计算各个特征的概率。
• 最后分析结果。比如分析出它是程序猿的概率比不是程序猿的概率大，那推测他就是。

##本项目的要求 目前我们在网上找来了有了3万多条数据，现在需要从人的性别，年龄，是否以婚，亲戚关系等14个条件来分析一个人是否所收入能超过50K。

• 分类项C：是否工资超过50K。
• 有类集合V：人的特征，性别，年龄，是否以婚，亲戚关系等。

##运行图如下：