搜索资源列表
BayesDection
- 描述叶贝斯分类决策的文章，非常详细。适合初学者理解-Describe the classification decision of the article leaves bass, very detailed. Suitable for beginners to understand
fitting-model
- 要对单变量正态分布以及分类分布两种概率分布 模型，分别采用最大似然（ML），最大后验（MAP）以及贝叶斯估计（Bayes）的 方法进行概率密度估计。 -In this paper, the maximum likelihood (ML), maximum a posteriori (MAP) and Bayesian estimation (Bayes) methods are used to estimate the probability density of two kinds of pr
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
FullBNT-1.0.4
- 创建你的第一个贝叶斯网络 手工创建一个模型 从一个文件加载一个模型 使用 GUI 创建一个模型 推断 处理边缘分布 处理联合分布 虚拟证据 最或然率解释 条件概率分布 列表（多项式）节点 Noisy-or 节点 其它（噪音）确定性节点 Softmax（多项式 分对数）节点 神经网络节点 根节点 高斯节点 广义线性模型节点 分类 / 回归树节点 其它连续分布 CPD 类型摘要 模型举例 高斯混合模型 PCA、ICA等 专家系统的混合 专家系统的分等级混合 QMR 条件高斯模型 其它混合模型 参数学
text classfication
- 朴素贝叶斯文本分类的简单案例，了解朴素贝叶斯的算法实现过程(Naive Bayes text classification of simple cases, to understand the naive Bayes algorithm implementation process)
bayes
- 朴素贝叶斯算法解决分类问题（二分类）的matlab代码(Naive Bayes algorithm to solve classification problems (two categories) of matlab code)
bayes_test
- 利用贝叶斯算法实现离散数值分类 包含训练和测试样本(Discrete numerical classification)
PNN网络代码
- 概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(Probabilistic neural network was first proposed by Dr. D.F.Speeht in 1989. It is a branch of radial
BayesianNetwork
- 在机器学习中，本代码实现用贝叶斯的方法进行分类(In machine learning, this code is implemented with Bayesian classification)
EMR
- 使用的是贝叶斯算法，进行文本的分类和词频统计(Using the Bayesian algorithm, the text classification and word frequency statistics)
PNN
- 概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(The rate neural network, first proposed in 1989, is a branch of the RBF network and is one of the fe
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
sklearn-tree-BN-knn
- 分类器的性能比较与调优: 使用scikit-learn 包中的tree，贝叶斯，knn，对数据进行模型训练，尽量了解其原理及运用。 使用不同分析三种分类器在实验中的性能比较，分析它们的特点。 本实验采用的数据集为house与segment。(Performance comparison and optimization of classifiers: We use tree, Bayesian and KNN in scikit-learnpackage to train the dat
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'))