分类器 描述 这是一个简单的应用程序，它利用朴素贝叶斯分类器进行性别预测。 用法 要使用该应用程序，首先git clone存储库到您的本地机器，然后 cd 到应用程序目录。 进入目录后，安装所有必需的 gem 并创建数据库： $ bundle install; rake db:migrate; 为确保所有测试通过： $ rake test 要验证所有示例： $ bundle exec rspec 启动 Rails 服务器： $ rails s 如果数据库尚未使用训练数据进行播种，请cd到应用程序根目录并运行： $ rake training_data:import[data/training.json] 并导航到http://localhost:3000 。 要添加新人员以训练分类器，请单击添加新人员以训练分类器。 一旦添加了至少一名男性和一名女性，性别预测就会解

%%二类协方差相等%

贝叶斯分类 二类协方差不相等 %%二类协方差不相等 %%二类协方差不相等

用朴素贝叶斯分类算法做中文文本分类-附件资源

两类问题，数据符合正态分布，利用贝叶斯最小错误率规则对样本进行分类

利用贝叶斯分类器实现手写数字识别，要数据的可以发私信，有测试集和训练集。太大不布出来。 利用贝叶斯分类器实现手写数字识别，要数据的可以发私信，有测试集和训练集。太大不布出来。

C++实现的贝叶斯分类器，及相关数据，与操作步骤。

模式识别作业-贝叶斯分类器。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。也就是说，贝叶斯分类器是最小错误率意义上的优化。目前研究较多的贝叶斯分类器主要有四种，分别是：Naive Bayes、TAN、BAN和GBN。

利用贝叶斯分类算法对两个已知样本进行分类并求出决策面方程，画出3维图像。 代码注释详细，易于看懂。

打包Matlab博士论文关于垃圾邮件分类-改进的贝叶斯分类对垃圾邮件识别探讨.pdf 改进的贝叶斯分类对垃圾邮件识别探讨.pdf 基于NP的垃圾邮件分析系统的设计与实现.pdf 基于文本分类技术的垃圾邮件识别系统.pdf 基于信息熵和决策分类技术的邮件识别研究.pdf 简体中文垃圾邮件分类的实验设计及对比研究.pdf 结合词相关特征与流行学习的中文问句分类.pdf 一种基于支持向量机的垃圾邮件识别方法.pdf 基本都是去年的论文，我去国家图书馆偷来的。那里清华同方还有各种数据库可以一天上网半小时偷。。。