MCMC算法报告：完成的是《贝叶斯统计》P295页的大作业 MCMC算法PPT： MCMC原理，上课老师的PPT 4个文件夹，每个文件夹，都实现了1种方法，独立使用，且都附有运行结果图。 第1个文件夹： 随机游动txt：主函数 mycumprod.txt：用来计算似然函数 第2个文件夹： MH算法mcmc.txt：主函数 mycumprod.txt：用来计算似然函数 mycalc_density.txt：用来计算二维正态概率密度 mycalc_S.txt：用来计算Fisher信息矩阵 第3个文件夹： MH逐分量算法.txt：主函数 mycumprod.txt：用来计算似然函数 第4个文件夹： 切片Gibbs算法.txt：主函数

新浪新闻文本分类 语料库重建 本项目的语料来源新浪新闻网，通过spider.py爬虫模块获得全部语料，总计获得10类新闻文本，每一类新闻文本有10条。 采纳新浪新闻网的一个api获取新闻文本，api的url为 使用进度池并发执行爬虫，加快抓取速度。 数据预处理 本项目的数据预处理包括：分词处理，去噪，向量化，由stopwords.py模块，text2term.py模块，vectorizer.py模块实现。 本项目借助第三方库解霸完成文本的分词处理。 通过停用词表移除中文停用词，通过正则表达式消除数字（中文数字＆阿拉伯数字）。 filter_pattern = re . compile ( ur'[-+]?[\w\d]+|零|一|二|三|四|五|六|七|八|九|十|百|千|万|亿' ) 使用进程池并发执行数据的分词和去噪，加快数据预处理的过程。 把数据集1：1划分为训练集和测试集，各50w篇文档。 通过scikit-learn提供的CountVectorizer类完成矢量化，得到训练集和测试集两个文本的特征矩阵，矩阵类型为稀疏矩阵。 移除文档中文档频率小于0.1％的特征，这些特征我们认

模式识别相关知识，贝叶斯决策理论

MATLAB实现Bayes（贝叶斯）优化LSTM(长短期记忆神经网络)时间序列预测数据集

Bayes估计是对产品无失效数据进行分析的一种有效方法. 对无失效数据，给出了失效概率的Bayes 估计，并结合配分布曲线方法和matlab 软件给出了无失效数据时产品寿命分布类型的确定方法

贝叶斯分类R语言实现代码，带中文分词，准确率召回率判断

这是我用python写的朴素贝页斯分类器（Naive Bayes classifier）

基于matlab的小波变换去噪处理三种方法-bayes.m 里面有详细的解释。最后有图像评价，计算均方误差和信噪比。

python实现knn、naive bayes、vsm、tf-idf模型。并包含数据集

Coursera NLP课程第二周Assignment