最小错误率贝叶斯决策和最小风险贝叶斯决策matlab代码，贝叶斯决策理论方法，是统计模式识别中的一个基本方法。贝叶斯决策判据，既考虑了各类参考总体出现的概率大小，又考虑了因误判造成的损失大小，判别能力强。

实现朴素贝叶斯分类器算法基本功能，代码有注释，还包括一个垃圾邮件过滤的实例。另外我这次用的是python2.7版，如果用python3的可能需要根据提示修改几个语法（sorted函数的参数）。

使用KNN、朴素贝叶斯、SVM、线性回归等算法解决简单的分类问题 源码中包括线性归回算法、KNN算法、朴素贝叶斯算法及SVM算法的使用方法演示，以及对数据的预处理、训练建模过程。 实现对水果数据集的分析，最终将同类水果进行分类。

马氏链的稳定分布matlab代码BayeZirChron.c 贝叶斯锆石喷发年龄估计代码的 C 版本来自 从命令行安装 从命令行安装需要一个有效的 C 编译器。 默认假设（或别名）可用。 在 linux/unix/bsd 上，这可能已经是正确的； 在 Mac OS 上，可以通过在命令行键入xcode-select --install来安装编译 C 源代码所需的工具。 # Download git clone https://github.com/brenhinkeller/BayeZirChron.c.git # Move to folder containing source code cd BayeZirChron.c/src/ # Compile make serial 要编译用于综合分布测试的并行代码，请另外运行： make parallel 或者 mpicc -std=c11 -O3 -o tzircrystestaccuracy tzircrystestaccuracy.c 编译和运行此并行版本还需要安装 MPI（或 ） 示例文件夹中提供了示例批处理文件： 用法 提供了一系

雷吉 用于贝叶斯回归的Python软件包。 该软件包的目标是成为一个相对独立的python软件包，用于解决贝叶斯回归问题。 暂时，此软件包的主要关注点是松散地基于Matlab中Carl Rasmussen的GPML工具箱的高斯过程（GP）模型，但是当我们尝试对其中一些方法进行归纳时，关注点已经发生了微小的变化。 安装 安装此软件包的最简单方法是运行 pip install -r https://github.com/mwhoffman/reggie/raw/master/requirements.txt pip install git+https://github.com/mwhoffman/reggie.git 这将安装该软件包及其任何依赖项。 安装软件包后，即可通过python直接运行随附的演示。 例如，通过运行 python -m reggie.demos.basic 演示的完整列

贝叶斯分类器 学习讲义贝叶斯分类器 学习讲义贝叶斯分类器 学习讲义贝叶斯分类器 学习讲义贝叶斯分类器 学习讲义贝叶斯分类器 学习讲义

莺尾花源码，其中包含： 逻辑回归、决策树、支持向量机、朴素贝叶斯、KNN

matlab隶属度代码用于贝叶斯估计（MBE）的Matlab工具箱 概要 这是用于贝叶斯估计的Matlab工具箱。 该代码的基础是在以下论文（Kruschke，2013），书籍（Kruschke，2014）和网站（）中描述的Kruschke R代码的Matlab实现。 该工具箱旨在为用户提供与Kruschke的代码类似的可能分析，但仍使其可在仅Matlab的环境中使用。 另外，将来我将尝试添加其他功能，以使其不仅适用于组比较，而且还适用于其他功能。 程式码范例 本示例使用Kruschke的BEST论文（2013年）中提供的数据。 运行脚本mbe_2gr_example.m。 %% Load some data % EXAMPLE DATA (see Kruschke, 2013) % see http://www.indiana.edu/~kruschke/BEST/ for R code y1 = [101,100,102,104,102,97,105,105,98,101,100,123,105,103,100,95,102,106,... 109,102,82,102,100,1

基于BO-GRU贝叶斯优化门控循环单元的数据分类预测（Matlab完整程序和数据） 输入多个特征，分四类。 基于BO-GRU贝叶斯优化门控循环单元的数据分类预测（Matlab完整程序和数据） 基于BO-GRU贝叶斯优化门控循环单元的数据分类预测（Matlab完整程序和数据）

基于贝叶斯和cnn的webshell检测算法