贝叶斯方法

贝叶斯网络的提出就是要解决这个问题。它把复杂的联合概率分布分解成一系列相对简单的模块，从而大大降低知识获取和概率推理的复杂度，使得可以把概率论应用于大型问题。

AhistoryofBayesianneuralnetworksDEEPLEARNINGLIMITATIONSOFDEEPLEARNINGWHATDOIMEANBYBEINGBAYESIAN?BAYE

贝叶斯算法介绍，对于实现文本分类，和搜索引擎很好的学习资料

一本详细解释贝叶斯网络的入门书，很多定理有详细证明且有比较好的例题解析，值得一读。

用python写的哦，anaconda才能运行哦

matlab实现的贝叶斯距离判别法，程序设计使用的

贝叶斯信念网络在数据分析和挖掘中的应用和相关问题的分析

朴素贝叶斯分类假定类条件独立，即给定样本的类标号，属性的值相互条件独立。这一假定简化了计算。当假定成立时，与其它所有分类算法相比，朴素贝叶斯分类是最精确的。然而，在实践中，变量之间的依赖可能存在。贝叶

基于Bayesian压缩感知的融合算法，感兴趣的可以去看看

朴素贝叶斯算法实例,python3可运行,每行代码均有详细解释,适用初学贝叶斯者.