贝叶斯学习讲义

从务实和编程的角度讲解了贝叶斯统计中的主要概念，并介绍了如何使用流行的PyMC3来构建概率模型。阅读本书，读者将掌握实现、检查和扩展贝叶斯统计模型，从而提升解决一系列数据分析问题的能力。

系统介绍贝叶斯网络的经典中文专著，适合入门教材，推荐购买纸质版

一段贝叶斯算法的源码，有自学习过程，看一下！

基于贝叶斯估计的马尔科夫链蒙特卡洛法用于动态目标跟踪

贝叶斯决策(Bayesian Decision Theory)就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。 贝叶斯决

朴素贝叶斯C++实现，数据被固定了，只是用来测试

朴素贝叶斯算法，c/c++语言的 它能提供比非泛型强类型集合更好的类型安全性和性能。

提供详细的贝叶斯网络python程序，并提供具体实例验证，

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

使用Matlab编程，对教材74页例3.3.1进行编程仿真。其中，正电压A的值、噪声方差值、每个码元周期内的采样点数N自行设定（可设置为可调的变量）。噪声值可使用Matlab中产生高斯随机数的函数来进