一种基于动态贝叶斯的人脸识别身份认证方法.pdf

机器学习 这些是我用一些数据集实现的一些流行的机器学习算法。 其中包括线性回归（多变量）的实现，逻辑和线性回归的梯度下降，决策树，随机森林，朴素贝叶斯。 它们都是用python 3.5编写的。

【预测模型】基于贝叶斯优化的LSTM模型实现数据预测matlab源码.zip

基于贝叶斯分类的大学生关注热点事件微博文本分类方法研究，张晓宇，殷复莲，本文针对互联网，尤其是微博平台中大学生用户产生的海量的文本分类问题，提出应用贝叶斯网络分类器对微博评论进行分类的解决方案

贝叶斯反演matlab代码

本节主要介绍数据挖掘中常见的分类方法决策树和朴素贝叶斯算法。 决策树算法 决策树（Decision Tree，DT）分类法是一个简单且广泛使用的分类技术。 决策树是一个树状预测模型，它是由结点和有向边组成的层次结构。树中包含3种结点：根结点、内部结点和叶子结点。决策树只有一个根结点，是全体训练数据的集合。 树中的一个内部结点表示一个特征属性上的测试，对应的分支表示这个特征属性在某个值域上的输出。一个叶子结点存放一个类别，也就是说，带有分类标签的数据集合即为实例所属的分类。 1. 决策树案例 使用决策树进行决策的过程就是，从根结点开始，测试待分类项中相应的特征属性，并按照其值选择输出分支，直

该软件包为时间序列数据提供了突变、季节性和趋势（称为 BEAST）的贝叶斯估计量。 BEAST 试图通过放弃“单一最佳模型”概念并通过贝叶斯模型平均方案将所有竞争模型纳入推理来改进时间序列分解。 它是一种灵活的工具，可以发现时间序列观测中的突然变化（即变化点）、周期性变化（例如季节性）和非线性趋势。 BEAST 不仅会告诉发生变化的时间，还会量化检测到的变化是真实的可能性。 它不仅检测分段线性趋势，而且检测任意非线性趋势。 有关BEAST的详细信息，请参见Zhao等人。 （2019）[Zhao，K.，Wulder，MA，Hu，T.，Bright，R.，Wu，Q.，Qin，H.，Li，Y.，Toman，E.，Mallick B.，Zhang，X ., & Brown, M. (2019)。 检测卫星时间序列数据中的变化点、趋势和季节性以跟踪突变和非线性动态：贝叶斯集成算法。 环境遥感，2

伯克利人工智能先导课cs188作业，朴素贝叶斯模型和KNN算法实现手写数字识别，准确率都达到很高水平，有说明文件，有训练结果绘图，适合新手入门

在 breast_cancer_wisconsin_data_set数据集上使用贝叶斯算法，对是目标否患乳腺癌进行预测分类。

用python实现的 朴素贝叶斯代码，参考资料是李航写的<>这本书