搜索资源列表
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
贝叶斯动态模型及其预测
- 详细介绍了贝叶斯动态预测的原理方法以及实例(The principle, method and example of Bayesian dynamic prediction are introduced in detail.)
朴素贝叶斯
- 基于对朴素贝叶斯的理解，用java语言实现的简单的朴素贝叶斯过程(Java implementation of naive Bayes)
贝叶斯分类作业数据_PR邹月娴_顾容之_20170927
- 贝叶斯分类的数据，用于测试贝叶斯分类是否有效(Bias classification data used to test whether the Bias classification is valid)
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.)
贝叶斯网络工具包
- 贝叶斯网络工具包安装教程 贝叶斯网络参数过程中最大似然估计的详细过程(BAYESIAN NETWORK (Bayesian network parameters maximum likelihood estimation process detailed process))
贝叶斯统计的发展及其争鸣
- :概述了贝叶斯统计的墓本思想，通过实例分析了确定先验信息方法的思维合理性。探讨了 贝叶斯统计未来理论发展及其应用空间。(heb asici deao fB ayesianS tatisitcsw ass ummarized.T horught woe xamples,t het hinking artionalityo fc onfinningp riori nformation methordsw asa nalysized.T he theory developmenta nd thea
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)
贝叶斯方法 -概率编程与贝叶斯推断 zip
- Probabilistic Programming and Bayesian Methods for Hackers是一本写给开发者的关于贝叶斯方法和概率问题的免费开源书。贝叶斯方法的用途十分广泛，在经济学上能找出一堆的例子。而在IT行业，机器学习是非常典型的一个应用。而机器学习也是本书作者写本书的一个重要的理由。 本书选择了Python作为编程语言，这一点都不奇怪，Python在科研和数据分析上的应用是非常方便和普遍的，比如大名鼎鼎的Numpy等。作者在本书中使用另一个库PyMC，它依赖
naive_bayes（简单贝叶斯）
- 简单贝叶斯的介绍和讲解，深刻理解简单的贝叶斯(Simple introduction and explanation of Bias, a deep understanding of simple Bias.)
5、贝叶斯python代码及数据
- 贝叶斯算法实现分类及数据集 python代码 分类算法(The classification and data set of Bias algorithm)
matlab贝叶斯分类(1)-简单样本集
- 利用matlab实现贝叶斯分类，采取“留一法”选取训练集和测试集，最后返回准确率为0.8571。(Bias classification is realized by MATLAB, and training set and test set are selected by "leaving one method", and the accuracy of return is 0.8571.)
matlab贝叶斯分类(2)-10折10次交叉验证
- 利用matlab实现贝叶斯分类，采用10折10次交叉验证法选取训练集和测试集，进行循环测试，最后返回准确率为0.9184.另外，文件内含数据源。(The Bias classification is realized by MATLAB, and the training set and test set are selected by 90% off 10 times cross validation method, and the cycle test is carried out. Fin
朴素贝叶斯算法资料
- 朴素贝叶斯算法的相关资料，包含算法以及实验结果等。(The related data of the naive Bayes algorithm.)