基于贝叶斯网络模型的交通状态预测 写的很不错的

针对公交客流的时变特征，假设当前时刻的客流量仅与历史客流量和发车频率相关，提 出一种基于贝叶斯网络的短时公交客流预测模型，给出了节点定义、网络结构与参数学习及推理 算法，揭示了它们之间的因果关系；通过南通市３０１路公交线路某个站点的实际客流调查，利用该 模型预测其发展趋势，并与神经网络、支持向量机等预测模型进行比较，验证了其有效性。

具有TensorFlow的贝叶斯神经网络 如我的论文所述，该存储库考虑了贝叶斯人工神经网络的实现。 实施的中心是模块 ，其中我们的许多技术工作都受到启发。 该存储库的主要结构如下：

基于餐饮评论数据的情感分析（主要涉及到短文分类，分别使用朴素贝叶斯、支持向量机、Xgboost 进行情感值的二分类） 本文主要通过情感分析来挖掘评论中有价值的信息。 获取所研究数据，即大众点评餐饮评论数据，通过分词去除停用词、词性标注等操作进行数据预处理，然后通过机器学习的方法来分析餐饮评论的情感极性，来进一步挖掘评论中有价值的信息。 使用python的结巴分词工具对中文文本进行分词。可用TF-IDF、词袋方法提取文本数据的特征。然后使用机器学习的方法进行文本分类，可以运用朴素贝叶斯（NB）、支持向量机（SVM）、随机森林等算法。查询了资料，考虑了速度、容错性、变量筛选能力、共性容忍度等因素，初步设想选用SVM算法。 ===》SVM算法优于NB 优于随机森林

博客https://blog.csdn.net/colourful_sky/article/details/72793254中的代码，Nbayes_lib.py，以及Nbayes.py

使用python进行朴素贝叶斯的数据分析，使用TF-IDF方法整理数据

机器学习课程设计—贝叶斯分类器实践，内含源码及报告(包括应用实例)

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。

bayes.py为主体代码，利用终端输入python调用程序，代码中包含中文注释。也包含测试集与训练集。

动态贝叶斯网络（Dynamic Bayesian Network, DBN），是一个随着毗邻时间步骤把不同变量联系起来的贝叶斯网络。这通常被叫做“两个时间片”的贝叶斯网络，因为DBN在任意时间点T，变量的值可以从内在的回归量和直接先验值（time T-1）计算。DBN是BN（Baysian Network）的扩展，BN也称作概率网络（Probabilistic Network）或信念网络（Belief Network）。