说明：贝叶斯算法应用于数据预测，可以应用于很多领域，如风速预测等。

说明：统计学习是计算机及其应用领域的一门重要的学科本书全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、K近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归、与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。

说明：深度神经网络在函数近似中表现优越，然而需要从头开始训练。另一方面，贝叶斯方法，像高斯过程（GPs），可以利用利用先验知识在测试阶段进行快速推理。然而，高斯过程的计算量很大，也很难设计出合适的先验。本篇论文中我们提出了一种神经模型，条件神经过程（CNPs），可以结合这两者的优点。CNPs受灵活的随机过程的启发，比如GPs，但是结构是神经网络，并且通过梯度下降训练。CNPs通过很少的数据训练后就可以进行准确的预测，然后扩展到复杂函数和大数据集。我们证明了这个方法在一些典型的机器学习任务上面的的表现和功能，比如回归，分类和图像补全

说明：利用R语言进行贝叶斯的介绍、理论知识以及实际案例操作

说明：贝叶斯统计推断相关资料和贝叶斯方法，学习贝叶斯不错的资料

说明：基于贝叶斯手写数字识别，基于MATLAB+GUB平台，手写0-9数字进行识别分类

说明：采集1~5手写数字，训练贝叶斯分类器，准确率93%

说明：贝叶斯网络的构成及学习,结构算法的学习，及其推理运算

说明：贝叶斯机器学习的现有进展，帮助了解，一起学习

说明：包含了机器学习当下最火的如SVM算法、贝叶斯算法的代码，有助于学者了解使用

说明：数据挖掘导论论文资料电子版,包括朴素贝叶斯和先验算法资料和源代码

说明：贝叶斯算法优化了LSSVM的算例，算例中有贝叶斯算法优化，相对比较少见的优化。

说明：使用贝叶斯算法实现拼写检查，详细介绍贝叶斯原理，先验概率，后验概率

说明：卡尔曼滤波是贝叶斯滤波的一种特例,是在线性滤波的前提下,以最小均方误差为最佳准则的。估计线性高斯模型,是对线性模型和高斯分布的优化方法。

说明：搜集了几种人工只能算法，基于Matlab平台编写，包括聚类、统计稀疏、最小范数法、DOA、投影追踪、稀疏贝叶斯等

说明：贝叶斯压缩感知，产生论文中结果，实现信号的重构

说明：本资源基于MATLAB代码以及贝叶斯抠图的原理，可以通过鼠标点选前景区域和背景区域，然后由计算机处理自动生成trimap图像，并且自动抠图至所需要的新背景图层。

说明：Python的朴素贝叶斯分析报告,非常详细且说明准确

说明：机器学习案例代码,包含了从knn,朴素贝叶斯，svm,决策树

说明：《Python数据挖掘入门与实践》高清中文版 本书作为数据挖掘入门读物，介绍了数据挖掘的基础知识、基本工具和实践方法，通过循序渐进地讲解算法，带你轻松踏上数据挖掘之旅。本书采用理论与实践相结合的方式，呈现了如何使用决策树和随机森林算法预测美国职业篮球联赛比赛结果，如何使用亲和性分析方法推荐电影，如何使用朴素贝叶斯算法进行社会媒体挖掘，等等。本书也涉及神经网络、深度学习、大数据处理等内容。本书面向愿意学习和尝试数据挖掘的程序员。

说明：利用贝叶斯分类器与SVM分类器对人脸数据进行识别

说明：matlab基于贝叶斯的手写输入数字识别代码

说明：基于贝叶斯的手写数字识别，可以识别简单的手写数字

说明：能够实现二维数据的贝叶斯分类，画出训练样本的散布图，按照最小错误率贝叶斯分类规则设计分类器，计算训练样本的误差率， 计算分类器对于测试样本的错误率， 画出两类样本的决策边界

说明：一本关于雷达信号检测的书。分析了信号在高斯白噪声背景下的检测结果，自适应雷达的子空间检测，“二步”检测，贝叶斯检测等等。

说明：《Python数据挖掘入门与实践》 本书为数据挖掘入门读物，介绍了数据挖掘的基础知识、基本工具和实践方法，通过循序渐进地讲解算法，带你轻松踏上数据挖掘之旅。本书采用理论与实践相结合的方式，呈现了如何使用决策树和随机森林算法预测美国职业篮球联赛比赛结果，如何使用亲和性分析方法推荐电影，如何使用朴素贝叶斯算法进行社会媒体挖掘，等等。本书也涉及神经网络、深度学习、大数据处理等内容。

说明：使用python3.6.6编写的朴素贝叶斯分类算法

说明：朴素贝叶斯的实现，数据集是数字文档，进行分类测试

说明：传统贝叶斯的显著性检测，sun算法,l利用贝叶斯模型进行显著性检测