搜索资源列表
EXO1
- 贝叶斯原理实现一个关于气温测试的例子，使用matlab.-Bayesian principles to achieve a temperature of the test examples, the use of Matlab.
bogofilter-1.1.5.tar
- 一个C语言写的快速贝叶斯垃圾邮件过滤工具，在linux/unix下运行。-C language to write a fast Bayesian spam filtering tools in linux / unix operating under.
spambayes-1.1a3.tar
- 用python实现的邮件过滤器，是基于贝叶斯算法的
bmf-0.9.4.tar
- 用基于贝叶斯算法写的邮件过滤系统，可以作为毕业论文-Bayesian-based algorithm written in e-mail filtering system, can serve as a thesis
ProgrammingPCollectivePIntelligence
- 本书以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过
ReadDir
- 贝叶斯过滤，对邮件进行过过滤，**例子 - Bayesian filtering, the filtered messages, a ** as an example
jiyubeiyesiwangluo
- 基于贝叶斯网络的软件项目风险管理模型，帮助软件项目管理人员学习软件项目管理-To help software project managers to learn the software project management software project risk management model based on Bayesian networks
ns2-aodv-bayesian-watchdog-2.0
- ns2平台下实现watchdog的aodv路由程序,根据贝叶斯分类原则进行判定-ns2 platform to achieve the aodv routing process watchdog, determined according to the principles of Bayesian classification
spammailfliter
- 使用贝叶斯算法写的垃圾邮件过滤，基于词频信息，比较适合新手。-Using Bayesian spam filtering algorithm written, based on word frequency information, more suitable for beginners.
Bayes
- 老师不值得贝叶斯分类器作业，实现贝叶斯分类器算法，可以运行，有数据集，非常简单。-Teachers do not deserve the job Bayesian classifier, Bayesian classifier algorithm to achieve, you can run, the data set is very simple.
Naive-Bayesian-Classifier
- 基于matlab朴素贝叶斯分类，很好的例子-Naive Bayes classifier based on matlab,
FullBNT-1.0.7
- 用于贝叶斯网络的MATLAB开源包，其中包括贝叶斯网络构建、学习、推理的各种函数。(For the Bayesian network of MATLAB open source package, including Bayesian network construction, learning, reasoning of the various functions.)
Bayesian
- 机器学习实验，实现贝叶斯算法 用C++的基础性语言来实现贝叶斯算法(Machine learning experiment and implementation of Bayesian algorithm)
k2
- 利用K2算法构建贝叶斯网络，可用于分类、预测等(Construction of Bayesian network by K2 algorithm)
贝叶斯判决
- 假定某个局部区域细胞识别中正常w1和非正常w2 两类先验概率分别为： 正常状态：P(w1)=0.9 ； 异常状态：P（w2）=0.1 。 现有一系列待观察的细胞，其观察值为： -2.67 -3.55 -1.24 -0.98 -0.79 -2.85 -2.76 -3.73 -3.54 -2.27 -3.45 -3.08 -1.58 -1.49 -0.74 -0.42 -1.12 4.25 -3.99 2.88 -0.98 0.79 1.19 3.07 两类的类条件概率符合正态分布