搜索资源列表
knn
- 朴素贝叶斯(Naive Bayes, NB)算法是机器学习领域中常用的一种基于概率的分类算法，非常简单有效。k近邻法(k-Nearest Neighbor, kNN)[30,31]又称为基于实例(Example-based, Instance-bases)的算法，其基本思想相当直观：Rocchio法来源于信息检索系统，后来最早由Hull在1994年应用于分类[74]，从那以后，Rocchio方法就在文本分类中广泛应用起来。
NaiveBayes
- 朴素贝叶斯分类算法，《机器学习及java实现里面的》
Machine-Learning-Java
- 机器学习算法利用JAVA语言实现，包括朴素贝叶斯算法，ID3算法等各种机器学习算法-Machine learning algorithms using JAVA language, including the Naive Bayes algorithm, ID3 algorithm and other machine learning algorithms
winedata-bayers
- 对著名的UCI机器学习库的wine数据集做的朴素贝叶斯分类算法，包含详细源代码和实验报告，不可多得啊-Pairs of well-known UCI machine learning repository data set to do wine Naive Bayesian classification algorithm, with detailed source code and test reports, a rare ah
Contact-lens-wear-problems
- 该实验采用机器学习方法中的朴素贝叶斯算法用于信息分类，问题的背景是根据一个人的年龄，视力缺陷，散光和泪腺分泌情况决定其是否可佩戴隐形眼镜。-Using machine learning to solve contact problems
classificiation-algorithm-overview
- 机器学习领域经典分类算法综述，包括Decision Tree（ＩＤ３、C4.5(C5.0)、CART、PUBLIC、SLIQ和SPRINT算法），三种典型贝叶斯分类器（朴素贝叶斯算法、TAN算法、贝叶斯网络分类器），k-近邻 、 基于数据库技术的分类算法（ MIND算法、GAC-RDB算法），基于关联规则（CBA:Classification Based on Association Rule）的分类（Apriori算法），支持向量机分类，基于软计算的分类方法（粗糙集（rough set）、遗传
machine-learning
- python3实现各种机器学习算法，包括knn算法，决策树算法，SVM算法，朴素贝叶斯算法等-Python3 realize all kinds of machine learning algorithms, including KNN algorithm, the decision tree algorithm, the SVM algorithm, naive bayesian algorithm, etc
bayes
- 机器学习中的朴素贝叶斯算法，利用python实现的算法-The naive Bayesian algorithm in machine learning, using Python to achieve the algorithm
MachineLearning
- 非常好用的基于QT实现机器学习的朴素贝叶斯算法-Very easy to use machine learning based on QT implement Naive Bayes algorithm
knn_logistic_naiveBayes
- 统计机器学习经典分类算法MATLAB代码，付数据集。包括knn算法，逻辑斯蒂回归和朴素贝叶斯算法。-Classical statistical machine learning classification algorithm MATLAB code, pay dataset. Including knn algorithm, logistic regression and naive Bayes algorithm.
mechine-learning
- 本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统
myBayes
- 这个是本人自己写的朴素贝叶斯算法，参考书籍为《机器学习实战》。(This is my own written naive Bayesian algorithm, reference books for the "machine learning combat.")
weka机器学习十大算法
- 对机器学习领域的十个经典算法进行了详细介绍，包括：AdaBoost、Apriori、C4.5、CART、EM、K-means、kNN、PageRand、SVM和朴素贝叶斯(Ten classical algorithms in machine learning domain are introduced in detail, including AdaBoost, Apriori, C4.5, CART, EM, K-means, kNN, PageRand, SVM and Nave Baye
bayes
- 自己书写的一段机器学习的朴素贝叶斯算法，基于Python实现(The Implementation of Bayes Algorithm in Python)
MLInActionCode-master
- 机器学习实战的源代码集合，第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具(Machine learning combat source code collection
朴素贝叶斯算法
- 此处python实现机器学习朴素贝叶斯算法(Here Python implements the naive Bayes algorithm for machine learning)
人工智能：人工智能选股之朴素贝叶斯模型
- 本报告对 朴素贝叶斯模型及线性判别分析、二次判别分析 进行系统测试 “生成模型”是机器学习中监督学习方法的一类。与“判别模型”学习决 策函数和条件概率不同，生成模型主要学习的是联合概率分布??(??,??)。本 文中，我们从朴素贝叶斯算法入手，分析比较了几种常见的生成模型（包 括线性判别分析和二次判别分析）应用于多因子选股的异同，希望对本领 域的投资者产生有实用意义的参考价值。(This report gives a systematic test of naive Bayesian
NaiveBayes
- 机器学习入门经典算法中的朴素贝叶斯算法，python3.6，编译通过可运行。(Naive Bayes algorithm in machine learning classic algorithm)
python_self
- 实现了机器学习的各种分类算法，如：knn，svm，朴素贝叶斯，神经网络，决策树等。(Various classification algorithms of machine learning, KNN, SVM, naive bayes, neural network, decision tree, etc.)
machine_learning_python-master
- 通过阅读网上的资料代码，进行自我加工，努力实现常用的机器学习算法。感知机的基本形式和对偶形式的实现 Kmeans和Kmeans++的实现 EM GMM高斯混合和GMM+LASSO的实现 实现朴素贝叶斯的基本算法和高斯混合朴素贝叶斯算法 实现决策树的基本算法 实现adaboost基本算法 实现svm基本算法 实现逻辑回归基本算法(By reading the data codes on the Internet, we can process oursel