贝叶斯决策---最小错误率法则 例子：要分类一条鱼是鲑鱼（ ）还是鲈鱼（ ）？ 如果我们只知道可能状态先验 概率的 和 ，且 则可以认为是鲑鱼。

Python原来这么简单(win系统 基础篇)

诺玛Matlab代码具有高阶调制方案的基于NOMA的VLC系统的误差分析 这是与以下科学文章相关的代码包： EM Almohimmah和MT Alresheedi，“具有较高阶调制方案的基于NOMA的VLC系统的误差分析”，在IEEE Access，第1卷中。 8，pp。2792-2803，2020，doi：10.1109 / ACCESS.2019.2962331。 该软件包包含MATLAB文件，这些文件复制了本文中的图形和结果。 文章摘要 非正交多址访问（NOMA）是一种频谱效率高的技术，预计将在未来的无线网络中应用。 然而，其高光谱效率是以增加数据检测误差为代价的。 本文提出了具有更高阶调制方案的基于下行链路功率域基于NOMA的可见光通信（VLC）系统的理论误差分析，其中考虑了不连续干扰消除（SIC）的情况。 当调制为平方正交幅度调制（QAM）时，可以得出用户的符号错误率（SER）的精确闭式表达式。 导出的表达式适用于每个用户的任何调制顺序。 另外，为具有更高阶调制的NOMA提供了必要且充分的功率分配（PA）约束，以确保叠加星座图中的符号的决策区域不会相交或重叠。 仿真结果支持理

两个贝叶斯分类器的例子，分别基于最小错误率与最小风险

最近邻法，k近邻法，及最小错误率分析，快速搜索算法，压缩紧邻法，基本原理，内容及应用

用FAMALE.TXT和MALE.TXT的数据作为训练样本集，建立Bayes分类器，用测试样本数据对该分类器进行测试。实验程序加报告加数据

该程序有意以指定的错误率破坏UNIX流。 用于系统分析数据损坏的影响。 我编写该文件是为了模拟文件存档中的位腐烂，因此我可以测试RAID和存档策略以进行数据恢复。 其中包含一些简短的bash脚本，因此您可以立即欣赏文本，图像，音频和视频的损坏。 只需放入自己的名为test.jpg，test.mp3和test.mp4的数据文件，然后运行脚本即可。 用法格式为：损坏[OPTION] ... [FILE]其中：选项-位单个位错误而不是字节替换损坏-B NUM_B每个单个损坏事件的字节数-kB NUM_KB每个单个损坏事件的千字节数-每个单个损坏事件MB NUM_MB的兆字节数-u统一损坏而不是随机统计事件-c CHAR替换为常量CHAR而不是随机位/字节错误

自己编写的，很实用的基于最小错误率的贝叶斯决策！

计算常见的分类器衡量指标，包括真阳性，真阴性，假阳性，假阴性，准确率，错误率，特异度和F值

假定某个局部区域细胞识别中正常P(w1)和异常P（w2)两类先验概率分别为P(w1)=0.9, P(w2)=0.1现有一系列待观察的细胞，其观察值为：-2.67 -3.55 -1.24 -0.98 -0.79 -2.85 -2.76 -3.73 -3.54 -2.27 -3.45 -3.08 -1.58 -1.49 -0.74 -0.42 -1.12 4.25 -3.99 2.88 -0.98 0.79 1.19 3.07 两类的类条件概率符合正态分布p(x|w1)=(-2,1.5), p(x|w2)=(2,2).依据最小错误率的贝叶斯决策对观察的结果进行分类。