上一篇文章我向大家介绍了朴素贝叶斯工作的理论部分，需要看的小伙伴请移步：贝叶斯分类器，接下来，我们基于Sklearn机器学习库来使用以下具体的贝叶斯分类器算法。1，sklearn中的贝叶斯分类器Sklearn基于数据分布以及这些分布上的概率估计的改进，为我们提供了四个朴素贝叶斯的分类器。类含义naive_bayes.BernoulliNB伯努利分布下的朴素贝叶斯naive_bayes.Gaussi

目录1，哈希表的简介1.1，HashTable的构造函数1.2，HashTable的属性说明1.3，HashTable的PAI2，HashTable的数据结构2.1，HashTable的内部类2.2，HashTable中重要方法分析2.2.1，put()方法2.2.2，addEntry()方法2.2.3，rehash()方法2.2.4，get()方法2.2.5，remove()删除元素方法2.3，

决策树文章目录决策树概述sklearn中的决策树sklearn的基本建模流程分类树DecisionTreeClassifier重要参数说明criterionrandom_state & splitter[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vAmwT22O-1632464362155)(data:image/gif;base64,R0lGODlhAQ