搜索资源列表
Bayes
- 朴素的贝叶斯网络是数据挖掘中的一项重要技术,本源码使用朴素的贝叶斯网络实现数据的分类-data classification by Naive Bayes
Bayes
- 朴素的贝叶斯分类器,原理很简单,性能还不错-Naive Bayesian classifier, the principle is very simple, good performance
bayesianclassifier
- 贝叶斯朴素分类,“贝叶斯分类器.doc”包含方法原理及实现效果,及matlab实现代码-Bayesian plain classification
Bayesian-algorithm
- 贝叶斯算法一种python实现方式,写法比较朴素,简单易懂-Bayesian algorithm python implementation, written relatively simple, easy to understand
bayes
- 利用贝叶斯朴素算法对文本的内容的褒贬属性进行分类-Naive Bayesian algorithm to appraise the contents of the text property classification
Naive_Bayes
- 朴素的贝叶斯算法,入门,有测试数据的误码率-Naive Bayesian algorithm, entry, there is a bit error rate test data
ipynb
- 机器学习方法之最近邻、朴素贝叶斯、逻辑回归方法的实现与对比(compared with knn\NB\logistics)
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
垃圾邮件处理 机器学习
- 利用朴素贝叶斯分类器对垃圾信息进行分类处理,得到一个分类器便于分析信息的归属。(Classification of garbage information by naive Byes classifier.)
Url
- 利用朴素贝叶斯BS实现从HTTP数据流中识别出用户基于浏览器访问的URL(Using the naive Bayes BS to realize the user based browser access based URL from the HTTP data stream)
An Introduction to Conditional Random Fields
- 条件随机场理论梳理 马尔科夫随机场-条件随机场-朴素贝叶斯分布-参数估计(an introduction to conditional random field)
74554399
- 朴素贝叶斯分类算法,可以用来进行分类bayes()
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.)
拼音输入法
- 一个基于朴素贝叶斯算法的拼音输入法。 使用方法见源码。 语言:python
第一次作业_基于分类算法的雷达状态识别
- 第一次作业_基于分类算法的雷达状态识别 对于本数据集中的雷达状态识别,数据降维前使用朴素贝叶斯、支持向量机、神经网络的分类算法对于识别的准确率无太大影响;数据降维后使用神经网络算法最优,支持向量机算法其次,朴素贝叶斯算法较差。此外,训练样本越多,分类准确率有小幅度提高。(First Operation Radar State Recognition Based on Classification Algorithms For radar state recognition
pac_ai-master
- 本文根据美国威斯康星州的乳腺癌诊断数据集,生成一个乳腺癌诊断的SVM分类器,并计算这个分类器的准确率。(import pandas as pd data = pd.read_csv(r'C:\Users\hzjy\Desktop\data.csv'))
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