贝叶斯抠图的源代码 BayesMatting.rar, 自己在做项目的时候使用的源代码。

贝叶斯全球变暖 该项目是对世界各地全球变暖速度的贝叶斯分析，是为贝叶斯统计课程完成的。 它包含 1) 三个 JAGS 线性回归模型，2) 读取数据、在模型上运行 MCMC 并绘制图形的 R 脚本，以及 3) 描述结果的论文。 安装 安装 R、JAGS 和 Latex。 在 R 提示符下调用 install.packages("ncdf", "R2jags", "ggplot2", "ggmap") 下载 GISTEMP并将其放入 data/ 子目录（您需要创建）。 跑步 在 code/ 中，通过调用运行 R 脚本 Rscript climate.R 它将打印不同模型的输出，并将数字保存到 /paper/figs/ 要制作论文，请转到 paper/ 并调用 pdflatex document.tex bibtex document pdflatex do

对贝叶斯估计的原理进行讲解分析，并进行matlab的仿真

估计概率分布的参数

基于贝叶斯网络模型的交通状态预测 写的很不错的

针对公交客流的时变特征，假设当前时刻的客流量仅与历史客流量和发车频率相关，提 出一种基于贝叶斯网络的短时公交客流预测模型，给出了节点定义、网络结构与参数学习及推理 算法，揭示了它们之间的因果关系；通过南通市３０１路公交线路某个站点的实际客流调查，利用该 模型预测其发展趋势，并与神经网络、支持向量机等预测模型进行比较，验证了其有效性。

具有TensorFlow的贝叶斯神经网络 如我的论文所述，该存储库考虑了贝叶斯人工神经网络的实现。 实施的中心是模块 ，其中我们的许多技术工作都受到启发。 该存储库的主要结构如下：

基于餐饮评论数据的情感分析（主要涉及到短文分类，分别使用朴素贝叶斯、支持向量机、Xgboost 进行情感值的二分类） 本文主要通过情感分析来挖掘评论中有价值的信息。 获取所研究数据，即大众点评餐饮评论数据，通过分词去除停用词、词性标注等操作进行数据预处理，然后通过机器学习的方法来分析餐饮评论的情感极性，来进一步挖掘评论中有价值的信息。 使用python的结巴分词工具对中文文本进行分词。可用TF-IDF、词袋方法提取文本数据的特征。然后使用机器学习的方法进行文本分类，可以运用朴素贝叶斯（NB）、支持向量机（SVM）、随机森林等算法。查询了资料，考虑了速度、容错性、变量筛选能力、共性容忍度等因素，初步设想选用SVM算法。 ===》SVM算法优于NB 优于随机森林

博客https://blog.csdn.net/colourful_sky/article/details/72793254中的代码，Nbayes_lib.py，以及Nbayes.py

使用python进行朴素贝叶斯的数据分析，使用TF-IDF方法整理数据