暂无评论
贝叶斯统计是在经典统计的争论中逐渐发展起来的。争论的问题有：位置参数是否可以看作随机变量？事件的概率是否一定要有频率解释？概率是否可用经验来确定？在这些问题的争论中，贝叶斯学派建立起自己的理论和方法。
高清中文版PDF+高清英文版PDF+源代码, 带有详细书签,可中英文对照使用
详细介绍经验贝叶斯估计方法，使用贝叶斯方法的一个先决条件是知道先验分布，而在实际问题中，这一条件常常是不满足的。因为，即使在一个问题中，人们对参数取什么值可能事先（抽样以前）有一些知识，但这种知识往往
含有三份代码，都是用matlab实现，分别是基于贝叶斯，基于朴素贝叶斯，基于最小错误率贝叶斯的手写数字识别代码。其中朴素贝叶斯用到了PCA，准确率达到95%
贝叶斯方法是一种常用的推断方法，然而对读者来说它通常隐藏在乏味的数学分析章节背后。关于贝叶斯推断的书通常包含两到三章关于概率论的内容，然后才会阐述什么是贝叶斯推断。不幸的是，由于大多数贝叶斯模型在数学
本文在MATLAB平台上对最小错误率贝叶斯决策和最小风险贝叶斯决策进行测试,比较和分析了实验结果。
特点 这是分类算法贝叶斯算法的较为简单的一种,整个贝叶斯分类算法的核心就是在求解贝叶斯方程P(y|x)=[P(x|y)P(y)]/P(x) 而朴素贝叶斯算法就是在牺牲一定准确率的情况下强制特征x满足独
提出了一种新增特征的朴素贝叶斯增量算法。在无标注语料增量样本的选择上,借助传统的类置信度阈值,构建一个最小后验概率作为样本选择的双阈值,当识别到增量语料中有新的特征时,会将该特征加入到特征空间,并对分
本文基于朴素贝叶斯构建一个分类垃圾邮件的模型,研究对象是英文的垃圾邮件。 邮件内容保存在txt文件中,其中分为训练样本train和测试样本test。 在训练样本中正常邮件命名为:pos;垃圾邮件命名为
朴素贝叶斯算法-小额贷款
暂无评论