keras 官方例子，深度学习专用，机器学习专用，代码简单，

它利用了概率论的原理，并且利用一种树形图作为分析工具。其基本原理是用决策点代表决策问题，用方案分枝代表可供选择的方案，用概率分枝代表方案可能出现的各种结果，经过对各种方案在各种结果条件下损益值的计算比较，为决策者提供决策依据。

斑马线数据集，两类：others \ zebra

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法[1]。最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型（Naive Bayesian Model，NBM）。和决策树模型相比，朴素贝叶斯分类器(Naive Bayes Classifier,或 NBC)发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同时，NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。理论上，NBC模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此，这是因为NBC模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，这给NBC模型的正确分类带来了一定影响。

AI机器学习深度学习面试百题.pdf

含代码 训练集

我们专业在学机器学习这门课程，因为还没有学概率学机器学习爱论，老师给我们找的关于学机器学习的相关数学知识点的总结，适合初学者以及想学机器学习的小伙伴，放在cdsn里面以防以后找不到可以直接来平台看。

机器人滚边应用中的常见问题及解决思路.pdf

#资源达人分享计划#

遗传算法优化的BP神经网络-可直接运行