《机器学习》算法实例-朴素贝叶斯算法-屏蔽社区留言板的侮辱言论 构建一个快速过滤器来屏蔽在线社区留言板上的侮辱性言论。如果某条留言使用了负面或者侮辱性的语言，那么就将该留言标识为内容不当。对此问题建立两个类别: 侮辱类和非侮辱类，使用 1 和 0 分别表示。 提取所有文档中的词条并进行去重 获取文档的所有类别 计算每个类别中的文档数目 对每篇训练文档: 对每个类别: 如果词条出现在文档中-->增加该词条的计数值（for循环或者矩阵相加） 增加所有词条的计数值（此类别下词条总数） 对每个类别: 对每个词条: 将该词条的数目除以总词条数目得到的条件概率（P(词条|类别)） 返回该文档属于每个类别的条件概率（P(类别|文档的所有词条)）

《机器学习》算法实例-决策树算法-预测隐形眼睛类型 包括数据集都有提供，主要用于预测隐形眼镜（数据特征为年龄、症状、眼泪数量、是否散光；标签为硬材质、软材质、不适合带隐形眼镜），有测试结果 【注】本实例对于每步都有详细讲解，若有不理解部分，可私信解答。

为了准确地提取出结构光测量中变形条纹的瞬时相位，需对变形条纹图像进行滤波。在OWT_SURE_LET小波去噪的基础上，用冗余小波代替正交小波，用DB8小波代替Sym8小波，利用一个六变量的收缩函数代替四变量的收缩函数，提出了一种改进的SWT_SURE_LET小波滤波算法，该算法速度快、稳健性强。峰值信噪比和相位均方根值提取精度两个指标表明，无论何种类型的变形条纹，无论变形条纹的载频怎么变化，改进算法都是有效的。和其他经典的及最新的去噪算法相比，改进后的算法具有最好的结果和稳健性。

主要为大家详细介绍了python实现朴素贝叶斯分类器，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

贝叶斯文本分类器

用贝叶斯进行分词，有结果文档。课业作业 很全面~~~~~~

matlab的egde源代码机器学习 存储库包含我在MATLAB和PYTHON中实现的机器学习算法 使用的Alogrithm是： 决策树和随机森林分类器 朴素贝叶斯分类器 高斯朴素贝叶斯Calssifier 高斯混合的EM算法 神经网络 奇异值分解 主成分分析 将数据拟合到一维高斯 使数据适合2D高斯 K最近的邻居 线性回归 逻辑回归 K均值聚类 价值迭代法 动态时间规整 误差函数和正则化

MNIST和USPS手写数字识别算法: 朴素贝叶斯和随机森林 bayes-mnist : 多项式朴素贝叶斯和伯努利朴素贝叶斯解决MNIST数据集 bayes-usps : 多项式朴素贝叶斯和伯努利朴素贝叶斯解决USPS数据集 random-forest-mnist : 随机森林解决MNIST数据集 random-forest-usps : 随机森林解决USPS数据集

初学机器学习，使用python实现的朴素贝叶斯算法实现数字识别，使用mnist数据集训练和测试

贝叶斯感情分析代码，里面写有注释，打开就能运行。。。。