《机器学习》第七章后半部分代码，包括利用BIC、EM算法为基础构建贝叶斯网络，并利用吉布斯采样算法对实现对网络的“查询”。贝叶斯网络的构建采用了贪心算法。基于BIC、EM算法生成的贝叶斯网络没有进行较多验证，但从经验简单观察，应该具有一定正确性。

贝叶斯博弈

两个贝叶斯分类器的例子，分别基于最小错误率与最小风险

朴素贝叶斯对tic-tac-toe游戏结果数据集进行分类预测，正确率67.7%. 绝对完美的界面设计！ 绝对完整的测试数据+源码+可执行文件+用户手册+详细设计文档！！！ 还有小小游戏可以玩儿！！！

这是matlab的贝叶斯工具包，详细介绍了怎样把工具包导入到matlab中，包中有关于贝叶斯的各种算法 比如k2,爬山算法，是学习贝叶斯网络不可多得的工具

贝叶斯_TVPVAR TVP-VAR模型的贝叶斯估计 此仓库包含有关如何使用TVP-VAR模型进行贝叶斯分析的信息。 在深入研究代码之前，您应该看一下Bayes_TVPVAR_Presentation文件。 这将使您对TVP-VAR与常规VAR模型有何不同以及我们如何在TVP-VAR设置中进行贝叶斯分析的基线了解。 一旦对此有了一个不错的了解，代码就应该更容易理解。 在继续编写代码之前，我想引用从中获得代码的作者。 主要来源来自“经验宏观经济学的贝叶斯多元时间序列方法”（Koop和Korobilis，2010年），对此仅作了一些修改。 这是该项目的大多数信息都被引用的主要教科书。 TVP_VAR_CK文件包含许多不同的文件和功能，因此，为避免被MATLAB代码淹没，请将您的注意力集中在三个主要文件上。 一种是设置Homo_TVP_VAR.m文件，以从Korobilis（2008）读取数

内含数据集。先执行cut_data.py划分训练集和测试集，再执行main.py即可。

基于贝叶斯模型的云服务服务质量预测.pdf

贝叶斯学习与增强 贝叶斯分类器和Adaboost算法的实现可生成跨训练数据的不同分布生成的多个假设。

研究贝叶斯证据框架下标准支持向量机和最小二乘支持向量机的估计算法和建模方法, 给出一种高斯核支 持向量机估计算法的参数选择和调整方法. 将贝叶斯证据框架下支持向量机的建模方法应用于非线性系统的辨识, 仿真结果表明, 该方法对于工业过程建模是十分有效的.