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

基于稀疏贝叶斯框架的计算有效宽带DOA估计方法

人工智能贝叶斯搜索算法实验，内含实验报告以及实验代码（java）

1. 实验数据在bayes_datasets文件夹中。其中，  train为训练数据集，包含hotel和travel两个中文文本集，文本为txt格式。hotel文本集中全部都是介绍酒店信息的文档，travel文本集中全部都是介绍景点信息的文档；  Bayes_datasets/test为测试数据集，包含若干hotel类文档和travel类文档。 2. 用朴素贝叶斯算法对上述两类文档进行分类。要求输出测试数据集的文档分类结果，即每类文档的数量。

关于iris 的贝叶斯分类，用C++实现的

通过python实现贝叶斯算法进行水果fruits分类，水果的类型有 width ,height, color, subtupe ,level