English
资源说明：包含了贝叶斯 KNN KMeans 的简单实现
1. 利用贝叶斯算法进行数据分类操作，并统计其预测正确率。
2. 随机产生10000组正样本和20000负样本高斯分布的数据集合（维数设为二维），要求正样本：均值为[1;3]，方差为[2 0;0 2]；负样本：均值为[10;20]，方差为[10 0;0 10]。先验概率按样本量设定为1/3和2/3.分别利用最小错误概率贝叶斯分类器和最小风险概率贝叶斯分类器对其分类。（假设风险程度正样本分错风险系数为0.6，负样本分错风险为0.4，该设定仅用于最小风险分析）
使用K-NN算法识别数字0-9，数据集来自Machine Learning in Action 第二章。书中把来自UCI数据库的手写数据集简化成32像素x32像素的黑白图像，并且以01矩阵的方式存储在txt文件中。大约有训练样本2000个，测试样本900个。
1.实验任务题目
K-means算法设计与实现
2.编程语言
C，C++，Java或者学过的其它编程语言
3.实验数据介绍
红酒数据集（Wine Data Set）http://archive.ics.uci.edu/ml/datasets/Wine
共178个数据，每个数据特征为13维
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
