VC实现的贝叶斯分类器

Naive Bayes classifier (wine wine data set)

贝叶斯分类器所用的数据集，共分为三类数据，分别为1,2,3

伯努利贝叶斯分类器(BernoulliNB),它假设特征的条件概率分布满足二项分布

贝叶斯分类器是一种基于贝叶斯定理的统计分类技术，主要用于模式识别。其工作原理是通过计算不同类别条件下观测特征出现的概率，再利用这些概率进行预测。在该过程中，贝叶斯公式起到了核心作用。贝叶斯公式由数学家

naivebayes:基于muatik的naive-bayes分类器的Crystal的朴素贝叶斯分类器

高斯判别分析、朴素贝叶斯等传统贝叶斯分类方法在构建变量的联合概率分布时,往往会对变量间的相关性进行简化处理,从而使得贝叶斯决策理论中类条件概率密度的估计与实际数据之间存在一定的偏差.对此,结合Copu

本系统是C++写的基于机器学习的朴素贝叶斯分类器，系统比较简单，可扩展性强。

基于贝叶斯分类器的手写体数字识别，识别率为87%，加大训练样本识别率更高。

以特征独立性为基础，讨论了朴素贝叶斯分类器的原理，以及训练朴素贝叶斯分类器和应用朴素贝叶斯分用了“拉普拉斯修正”，进而提高了朴素贝叶斯分类器的精度，最后对西瓜的好坏做出判别，完成分类器进行分类的问题。

基于最小错误概率的贝叶斯分类器