搜索资源列表
贝叶斯分类代码,实现分类
- 贝叶斯分类 代码实现
基于贝叶斯网络的源程序
- 基于贝叶斯网络的源程序，可用于对数据的分类工作，效果较好,Based on Bayesian network source, the data can be used for the classification of work, better
Murphy 贝叶斯网工具箱
- Murphy 最新版 贝叶斯网 完全版 工具箱 用来模拟仿真实现贝叶斯网络算法的所有功能。
贝叶斯分类器设计
- 利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。也就是说，贝叶斯分类器是最小错误率意义上的优化。
贝叶斯分类器
- 贝叶斯分类器，对四个类随机正态分布数据进行分类，可直接运行，适合初学者，学习与参考。
最小错误率贝叶斯决策
- 基于最小错误率的贝叶斯决策 （1）要决策分类的类别数是一定的；（2）每一类出现的“先验概率”已知；（3）每一类的“类条件概率密度”已知；(Bayesian Decision Based on Minimum Error Rate(1) the "prior probabilities" of each class are known; (2) the "conditional probability density" of each class is kn
20170608贝叶斯分类器实验
- 贝叶斯分类器，通过事先sample样本的训练，能够快速准确的实现对待分类样本的识别分类(Bias classifier, through the training of sample samples in advance, can quickly and accurately realize the classification and classification of the classified samples)
贝叶斯网工具箱
- 贝叶斯网的工具箱，很实用，可以直接运行。(Bayesian network toolbox, very practical, you can run directly.)
贝叶斯分类器
- 该程序能够实现对两种样本进行贝叶斯分类，并且能够通过旋转观察两类的三维图，还能够画出超平面，更加直观的观察两类的分类。(The program can realize the Bayesian classification of two kinds of samples, and can be observed by rotating the 3D figure two class, also can draw a plane, the classification of the two cla
朴素贝叶斯
- 朴素贝叶斯算法，是十大最经典的数据挖掘算法之一(Naive Bayes algorithm, the most classic data mining algorithm)
贝叶斯网引论
- 《贝叶斯网引论》 这是一本 比较经典的贝叶斯理论丛书(An introduction to Bayesian Networks)
贝叶斯和KNN算法比较——基于Adult数据集
- 朴素贝叶斯算法和KNN算法比较，其中用到的数据集为adults(Comparison of Bias and KNN algorithms)
贝叶斯
- 贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类(The classification principle of Bias classifier is to calculate the posterior probability by using Bias's formula through the prior probability of an object, that is, the proba
基于朴素贝叶斯定理的文本分类
- 基于朴素贝叶斯定理的文本分类，附全部源程序(Text classification based on the simple Bias theorem)
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)
贝叶斯 肤色提取
- 基于贝叶斯最小误判和最小损失准则进行的肤色提取(Skin color extraction based on Bayesian minimum misjudgment and minimum loss criterion)
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
贝叶斯.代码实现及其资料
- 贝叶斯.代码实现及其资料 包括源代码以及参考学习资料(beys Implementation of code and its data)
贝叶斯工具箱
- 基于贝叶斯框架的最小二乘支持向量机工具箱算法，实用性高。(The least squares support vector machine toolbox algorithm based on Bayesian framework is of high practicability.)
朴素贝叶斯
- 朴素贝叶斯算法运行和程序代码的实验与结果(Operation of naive Bayes algorithm)