OpenCV Machine Learning 之正态贝叶斯分类器（Normal Bayes Classifier）的用法实例

本编博客通过以学生成绩为特征对学生进行分类，判断他是文科生还是理科生向大家分享OpenCV 贝叶斯分类器的用法。

该类的详细解释请看博文：

http://blog.csdn.net/zhjm07054115/article/details/27631913

分类器的用法大致分三步：

第一步： 构造已知标签的训练样本数据集

第二步： 训练分类器 （对应于 train函数）

第三步： 用训练好的分类器对未知标签的样本进行分类（对应于predict函数）

在实例中，我们假定：（所有课程的成绩范围是 0到100分）

文科生的数学成绩服从 均值为 60，标准差为10的正态分布，文科生的语文成绩服从 均值为80，标准差为10的正态分布

理科生的数学成绩服从 均值为 80，标准差为10的正态分布，理科生的语文成绩服从 均值为60，标准差为10的正态分布

分布范围如下所示：

下面看代码吧：（注释的很详细）

下面是运行结果：

生成样本：数学成绩从0到100，语文成绩从0到100，总共101*101个测试数据，就可以大概的绘制出分类器的判决界面啦。

单一特征的分类判决界面