分类
dclassify是用于dclassify的朴素贝叶斯分类器，它通过引入独特的“缺席概率”优化（也称为“普遍否定性”），比通常的二进制分类器更进了一步。 在某些测试案例中，这种优化比传统的二元分类器的正确性提高了约10％。 它主要用于根据有限的特征集对项目进行分类，而不是用于语言处理。 IE。 根据一组有限的固定属性预测结果。
提供了用于培训和测试数据集的通用Document和DataSet类。
可以使用applyInverse选项启用缺席概率优化。 如果此选项设置为true ，则dclassify将照常根据当前令牌计算概率，但还将计算缺少令牌的概率。 这是非常规的，但会产生更好的结果，尤其是在使用较小的词汇时。 它特别适合根据有限的一组特征对项目进行分类。
Node.JS机器学习简介
查看的演讲。
普遍的负面
贝叶斯分类器的典型示例是电子邮件过滤器，该过滤器通过查找被认为与垃
