对三维空间特征的数据，通过最小错误率贝叶斯判别方式，对两类数据进行分类，并在空间中绘制出贝叶斯决策面

以男女生身高体重数据集为例，考虑特征值相关与不相关两种情况使用Matlab与python（特征值相关情况）实现Bayes分类器

通过确定身高和体重的先验概率，使用贝叶斯分类方法，将样本中的男女分辨出来，正确率超过90%

人工智能4--Bayes方法

鄙人深感获此档案难度之高。在一番探索后，仍旧花费了3.43元巨款才购得此文件。念及此文件并非版权保护之作，且无任何协议在内，又经内心阵阵权衡。遂决定将其公之于众，若汝等困于寻此文件时，忽觉柳暗花明于此。鄙人不甚喜之。

利用非下采样Contourlet变换（NSCT）平移不变性、多分辨率、多方向的优点，提出了一种基于非下采样Contourlet变换的子带自适应Bayes阈值图像去噪算法。该算法将源图像分解至NSCT 变换域， 能根据不同尺度、不同方向的子带能量，自适应调整去噪阈值。实验表明，与Contourlet多尺度阈值去噪、Contourlet自适应阈值去噪相比，该算法在图像去噪上能获得更好的视觉效果和更高的峰值信噪比。

数据集名称：成人自闭症谱系筛查数据 摘要：自闭症谱系障碍（ASD）是一种与显着的医疗费用有关的神经发育疾病，早期诊断可以显着减少这些疾病。 不幸的是，等待ASD诊断的时间很长，而且程序的成本效益也不高。 自闭症的经济影响和全世界ASD病例数量的增加表明，迫切需要开发易于实施和有效的筛查方法。 因此，迫切需要进行时间高效且可访问的ASD筛查，以帮助卫生专业人员并告知个人是否应进行正式的临床诊断。 全球ASD病例数的快速增长需要与行为特征相关的数据集。 但是，这样的数据集很少，因此很难进行全面的分析以提高ASD筛选过程的效率，敏感性，特异性和预测准确性。 目前，与临床或筛查有关的自闭症数据集非常有限，并且大多数都是自然遗传的。 因此，我们提出了一个与成人自闭症筛查有关的新数据集，其中包含20个特征，可用于进一步分析，特别是在确定有影响力的自闭症特征和改善ASD病例分类方面。 在此数据集中，我们

机器学习第二版中Tom准备增加的内同，关于生成模型、判别模型以及朴素贝叶斯和逻辑回归的介绍，在作者主页下载的

时序预测 | 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（完整源码和数据） 数据为一维时序列数据,运行环境MATLAB2018b及以上。

基于Bayes 判别分析方法的地下工程岩爆发生及烈度分级预测