朴素贝叶斯算法简单高效，在处理分类问题上，是应该首先考虑的方法之一。
通过本教程，你将学到朴素贝叶斯算法的原理和Python版本的逐步实现。
更新：查看后续的关于朴素贝叶斯使用技巧的文章“Better Naive Bayes: 12 Tips To Get The Most From The Naive Bayes Algorithm”
朴素贝叶斯分类器，Matt Buck保留部分版权
关于朴素贝叶斯
朴素贝叶斯算法是一个直观的方法，使用每个属性归属于某个类的概率来做预测。你可以使用这种监督性学
超声成像是现代医学影像学最重要的诊断技术之一。然而，由于乘性斑点噪声的存在，使得超声成像的发展受到了一定的限制。针对这种问题，提出了一种贝叶斯非局部平均滤波算法的改进策略。首先，运用贝叶斯公式推导出适应于超声图像斑点噪声模型的非局部平均滤波器，由此引出了两种图像块之间距离计算的方式——Pearson 距离和根距离。其次，为了减轻计算负担，在非局部区域中选取相似图像块时采用图像块预选择的方式来加速算法。另外，根据多次实验，总结出了一种滤波参数 h 和噪声方差的关系，实现了参数的自适应。最后，利用
