pa004_health_insurance_cross_sell 该存储库包含脚本，这些脚本实现了保险公司中交叉销售的分类器模型

MATLAB神经网络之SVM神经网络中的参数优化---提升分类器性能.zip

MATLAB源程序5 基于BP_Adaboost的强分类器设计-公司财务预警建模.zip

MATLAB源程序13 SVM神经网络中的参数优化---提升分类器性能.zip

此压缩包为该文章相关资料，包含代码等，建议使用jupyter打开 https://blog.csdn.net/weixin_39858881/article/details/107235037

逻辑回归模型训练分类器并可视化（每一行表示一个样本，每一行有三个数值，其中前两个值代表输入属性x，最后一个值代表标签y）

简介 朴素贝叶斯分类器是基于贝叶斯公式的概率分类器，是建立在独立性假设基础上的。 　 贝叶斯公式可以把求解后验概率的问题转化为求解先验概率的问题，一般情况下后验概率问题 难以求解。例如；一封邮件是垃圾邮件的概率。通过贝叶斯公式可以把这个难解的问题转化为；计算垃圾邮件们各种特征出现的概率以及垃圾邮件出现的概率。因此朴素贝叶斯可以通过对已经掌握的“经验”(数据)的学习来预测一个很有价值的分类结果。 引入独立性假设 分类器最终的输出；选择最大概率的分类作为预测结果。 Python实现 导入所需包 import numpy as np import pandas as pd import

针对基于决策树和神经网络的增量学习算法的过量匹配和分类精度有限的缺点，提出了一种基于贝叶斯分类器集成的增量学习方法．综合朴素贝叶斯的增量分类和集成的增量学习方法，采用随机属性选择训练初始 SBC(simple Bayesian classifiers)，通过判断是否带有类别标签，将增量样本自动分组，并利用遗传算法对结果进行优化．实验结果表明，贝叶斯分类器集成的增量学习方法有效．

百度云地址，dlib人脸特征库分类器，194点，由helen 库(2000张)训练而成 dlib人脸特征库分类器，194点，由helen 库(2000张)训练而成 dlib人脸特征库分类器，194点，由helen 库(2000张)训练而成

请阅读以下文章，详细了解算法-约翰·赖特（John Wright），阿文德·甘内什（Arvind Ganesh）和马毅（Ya Ma）通过稀疏表示进行鲁棒人脸识别，伊利诺伊大学厄本那-香槟分校的协调科学实验室，艾伦·杨，美国加州伯克利。 使用的数据库是 MIT-CBCL 和 YaleB 数据库，它们来自http://cbcl.mit.edu/software-datasets/heisele/facerecognition-database.html和http://cvc.yale.edu/projects/yalefacesB/ yalefacesB.html 。