尾花数据集是入门的经典数据集。Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。在三个类别中，其中有一个类别和其他两个类别是线性可分的。假设鸢尾花数据集的各个类别是服从正态分布的，尝试利用贝叶斯决策论的原理，
1. 设计贝叶斯分类器；
2. 设计基于最近邻准则的分类器。
资源包括代码实现和课程报告--Bayes和KNN分类器实现鸢尾花数据集分类
源码实现包括手撕贝叶斯和KNN以及使用工具包实现
课程报告主要包括以下部分：
一、 问题描述
二、 数据预处理
（1）划分数据集
（2）数据可视化
三、 模型基本原理
（1）朴素贝叶斯算法原理
（2）KNN算法原理
四、 贝叶斯分类器设计
（1）算法过程
（2）结果输出
五、 KNN分类器设计
（1）算法过程
（2）结果输出
六、 利用工具包进行设计
（1）贝叶斯分类器
（2）KNN分类器
2023-01-03 12:26:15
734KB
1
Matlab
Lsqnonlin代码使用重尾分布的混合效应常微分方程模型的贝叶斯推断的Matlab代码
该存储库包含Liu，Wang，Nie和Cao（2018）在文章“使用重尾分布的混合效应常微分方程模型的贝叶斯推断”的第5节中用于仿真研究的Matlab代码。
总共有两个文件夹：“函数”和“模拟”。
文件夹“函数”包括用于SMN模型和常规模型的MCMC算法的Matlab函数。
文件夹“
Simulations”包括要进行仿真的主要Matlab代码。
====================模拟==============================
=================
HMEODE_T.m：主要的Matlab代码，用于模拟分层混合效果ODE模型，其中随机效果是根据Student的t分布生成的。
HMEODE_GeneralizedHyper.m：用于模拟分层混合效果ODE模型的主要Matlab代码，其中随机效果是根据广义双曲线分布（GH）生成的。
HMEODE_MixtureT.m：主要的Matlab代码，用于模拟分层混合效果ODE模型，其中随机效果是根据学生的t分
2023-01-01 16:33:11
148KB
1
Introduction to Bayesian Analysis
2023-01-01 10:24:34
365KB
1
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。
2022-12-31 16:08:57
51KB
1
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）。
2022-12-29 18:45:58
16KB
1
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。
2022-12-28 11:27:15
227KB
1
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
2022-12-27 23:59:28
13.24MB
1
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
2022-12-26 09:15:45
48KB
1
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
2022-12-23 23:31:17
1.45MB
1