传统的道路交通事故预测是对交通事故次数及其造成的损失的历史趋势进行预测，针对其不能反映交通事故与实时交通特性关系、不能有效地预防事故发生的问题，提出一种贝叶斯和逻辑回归二分类算法的交通事故判断与预测模型 首先，进行数据处理，将交通状态划分为正常与危险两种，分别用0和1表示；利用采集的交通流数据作为特征变量对不同的状态进行表征，将事故的实时预测问题转化为分类问题；对某项偏大的数据特征进行数据处理，利用下采样策略解决由于危险状态样本较少而导致的样本不均衡问题；将重新选出的数据集分割成训练集与测试级，在训练集上进行k折交叉验证，利用贝叶斯和逻辑回归进行训练。利用recall查全率选出较好模型。根据样本数据训练的分类器对不同的交通状态进行分类识别。实验结果表明，逻辑回归比贝叶斯更能较好判断，更能反映不同交通状态的差别，获得更好的分类结果。最后，对于给定的交通数据进行预测与判断

定性预测、回归预测、时间序列平滑预测、趋势曲线模型预测、季节变动预测、马尔科夫预测、确定型决策、非确定型决策、风险型决策、贝叶斯决策、多目标决策等。通过学习，使学生掌握基本预测理论与方法，培养学生根据实际条件选择并建立模型进行预测与决策的能力

有60000个Email，标签分为spam（垃圾邮件），ham（正常邮件），可供贝叶斯分类学习使用

基于CNN和朴素贝叶斯方法的安卓恶意 应用检测算法 安全架构APT 安全运营 安全体系 安全对抗

朴素贝叶斯相关西瓜数据集，用于自然语言处理>01.朴素贝叶斯介绍 中的案例数据，该数据集仅作参考使用

贝叶斯统计学――原理、模型及应用

贝叶斯统计学——原理模型及应用 S.詹姆士.普雷斯著

贝叶斯压缩感知源代码（Matlab版）

Nathan P. Lemoine于2019年发表的，超越非信息先验：贝叶斯分析中选择弱信息性先验的原因和方法（Moving beyond noninformative priors: why and how to choose weakly informative priors in Bayesian analyses），论文，pdf，非扫描清晰版

事件树、故障树、决策树与贝叶斯网络，周建方，许智勇，事件树、故障树和决策树分析法是系统分析的重要方法，能够对系统风险、系统薄弱环节等进行有效的分析，但存在表示结构复杂、不能