说明：利用朴素贝叶斯分类方法将UCI的adult数据集进行分类

说明：定位指纹，室内，算法，欧式距离，最大后验概率，贝叶斯，加权贝叶斯，等

说明：朴素贝叶斯算法解决分类问题（二分类）的matlab代码

说明：贝叶斯思维 统计建模的PYTHON学习法

说明：用于贝叶斯网络的MATLAB开源包，其中包括贝叶斯网络构建、学习、推理的各种函数。

说明：朴素贝叶斯模型，用来做大数据的分类，是一种很简单易上手的模型，代码很简单，有例子。

说明：基于贝叶斯核学习的文档，在分类以及判断类别方面有帮助

说明：贝叶斯估计，最大似然估计，Fisher线性识别和K均值

说明：利用朴素贝叶斯对UCI 的 mushroom 数据集进行分类，使用MATLAB编码

说明：朴素贝叶斯文本分类的简单案例，了解朴素贝叶斯的算法实现过程

说明：贝叶斯网络的学习 。贝叶斯网络的学习分为：结构学习和参数学习。

说明：贝叶斯网的工具箱，很实用，可以直接运行。

说明：贝叶斯分类器，通过事先sample样本的训练，能够快速准确的实现对待分类样本的识别分类

说明：方便进行贝叶斯网络的学习与推理,提供了多种方便好用的API

说明：对文本用LDA进行分类，LDA（Latent Dirichlet Allocation）是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。

说明：贝叶斯压缩感知 bayesian compressed sensing

说明：基于c++的监督分类，使用贝叶斯分类实现图像的二值分类

说明：用于Matlab的BMS工具箱用来执行贝叶斯模型平均（BMA）计算模块

说明：1． 用 dataset1.txt 作为训练样本，用dataset2.txt 作为测试样本，采用身高和体重数据为特征，在正态分布假设下估计概率密度（只用训练样本），建立最小错误率贝叶斯分类器，写出所用的密度估计方法和得到的决策规则，将该分类器分别应用到训练集和测试集，考察训练错误率和测试错误率。将分类器应用到dataset3 上，考察测试错误率的情况。

说明：本实验采用朴素贝叶斯模型，对于每个用户曾经评分过的电影判断其性别。直观上来说，不同的电影对于不同性别的人吸引力不同，如男性更喜欢武侠剧、动作剧，而女性更喜欢爱情剧。因此这样建立模型是可以理解的。对每个训练数据组建立分布表。依据最大似然准则判断性别。对于年龄采用相似的方法进行判断。包括源程序和实验报告。

说明：贝叶斯算法的python代码，里面包含一定的数据集和测试数据。

说明：本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，...

说明：贝叶斯原理实现一个关于气温测试的例子,使用matlab,

说明：可以使用贝叶斯阈值估计来对噪声进行处理，效果很明显，可以使用

说明：贝叶斯分类器，通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。

说明：要对单变量正态分布以及分类分布两种概率分布 模型，分别采用最大似然（ML），最大后验（MAP）以及贝叶斯估计（Bayes）的 方法进行概率密度估计。

说明：包括主成分分析、因子分析、贝叶斯分析，matlab实现了五类灰色关联度模型的计算,包含优化类的几个简单示例程序。

说明：验证可用，关于神经网络控制，利用贝叶斯原理估计混合logit模型的参数。