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）。

针对传统朴素贝叶斯算法对高维复杂的入侵行为检测效率低下的状况，提出一种基于粒子群的加权朴素贝叶斯入侵检测模型。模型首先用粗糙集理论对样本属性特征集进行约简，再利用改进的粒子群算法优化加权朴素贝叶斯算法的属性权值，获得属性权值的最优解，用获得的最优解构造贝叶斯分类器完成检测。其中，改进的粒子群是采用权衡因子方法更新其速度和位置公式，避免产生局部最优。两种算法的结合，既能解决传统朴素贝叶斯算法的特征项冗余问题，同时也可以优化特征项间的强独立性问题。通过实验证实了该模型的实效性，提高了检测率。

这是一组用于进行贝叶斯线性回归的 MATLAB 函数。 派生也包括在内。

hsi matlab代码Spgarch-bma “通过贝叶斯模型平均的半参数GARCH”代码。 数据 描述 本文的经验研究中使用的数据集包含对股票指数和单个股票的日末（EOD）百分比对数回报率的观察值：标准普尔500（SPX），富时100（FTSE），DAX，日经平均指数225 （Nikkei），恒生（HSI），Apple（AAPL），ARM（ARMH），Intel（INTC），Nvidia（NVDA）和SanDisk（SNDK）。 数据链接： MATLAB二进制文件（MAT）返回系列：。 单个资产的EOD返回序列存储在data_.mat ，其中是资产的缩写代码。 每个文件包含以下变量： D日期向量。 r返回。 注意：可以通过调用load函数（例如load('data_aapl.mat')将所有MAT文件直接加载到MATLAB中。 源代码 描述 所有源代码文件都在src目录下。 src下的子目录组织如下： garch与参数GARCH模型关联的功能。 spgarch与SP-GARCH模型相关的功能，以及真实和模拟的数据集。 ppr高级功能和保存的结果，用于生成“特

采用贝叶斯正则化算法提高 BP 网络的推广能力。在本例中，我们采用两种训练方法，即 L-M 优化算法（trainlm）和贝叶斯正则化算法（trainbr），用以训练 BP 网络，使其能够拟合某一附加有白噪声的正弦样本数据。其中，样本数据可以采用如下MATLAB 语句生成： %输入矢量：； %目标矢量：randn(’seed’,78341223)；%T=sin(2*pi*P)+0.1*randn(size(P))；

采用的是美国西储大学轴承数据中心的滚动轴承数据，贝叶斯优化后的准确率高达99%，也包含了和遗传算法以及网格搜索优化支持向量机的对比！希望可以帮助到大家！！！给两个积分意思一下就行了