注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 简单贝叶斯决策和K邻近程序

  2. 简单实现贝叶斯决策和K邻近分类器思想的程序，望对大家有帮助

  3. 所属分类：专业指导

    • 发布日期：2009-05-23
    • 文件大小：227kb
    • 提供者：dyning2003

  1. 贝叶斯课程设计C语言程序

  2. 自己设计的 为课本上以习题所做 此程序主要体现贝叶斯算法的思想

  3. 所属分类：C

    • 发布日期：2009-06-02
    • 文件大小：3kb
    • 提供者：renjianli

  1. 贝叶斯分类器贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。目前研究较多的贝叶斯分类器主要有四种，分别是：Naive Bayes、TAN、B

  2. 　贝叶斯决策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。 　　贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是： 　　1、已知类条件概率密度参数表达式和先验概率。 　　2、利用贝叶斯公式转换成后验概率。 　　3、根据后验概率大小进行决策分类。

  3. 所属分类：C++

    • 发布日期：2010-01-14
    • 文件大小：67kb
    • 提供者：bear_fish

  1. 一种基于假设检验的贝叶斯分类器

  2. 。论文采用统计学中理论较成熟的体积假设 检验( Volume Testing) 方法寻找属性间的依赖关系, 同时结合假设检验的思想和朴素贝叶斯分类算法的优点构造限制性贝叶斯网 络.

  3. 所属分类：其它

    • 发布日期：2010-03-08
    • 文件大小：267kb
    • 提供者：letmeleave

  1. (基于贝叶斯算法的JavaMail垃圾邮件过滤实现

  2. 基于贝叶斯算法的JavaMail垃圾邮件过滤实现，包括其思想与部分程序实现

  3. 所属分类：Java

    • 发布日期：2015-04-19
    • 文件大小：664kb
    • 提供者：qq_23987739

  1. Python实现朴素贝叶斯算法文本分类器

  2. 压缩包中包括python脚本和一个PPT。 在UtralEdit中打开这两个脚本NBayes_lib.py和NBayes_test.py就可以查看脚本，然后运行NBayes_test.py这个脚本就可以得到测试集文本1的分类结果是0 PPT详解了朴素贝叶斯算法的原理以及这个文本分类器的程序思想和运行结果详解，希望对你能够有帮助，如果有任何问题，请留言！

  3. 所属分类：Python

    • 发布日期：2016-01-27
    • 文件大小：249kb
    • 提供者：u010981582

  1. 贝叶斯思想以及与最大似然估计，最大后验估计的区别

  2. 机器学习的核心思想是从过往的经验中学习出规则，从而对新的事物进行预测。对于监督学习来说，有用的样本数目越多，训练越准确。主要是各种模型+算法 ，最终得到一个最优解。最大似然，最大后验估计都是给定模型参数后，得到样本集的概率的方法。

  3. 所属分类：机器学习

    • 发布日期：2018-03-16
    • 文件大小：629kb
    • 提供者：face_to

  1. 基于朴素贝叶斯分类法的图像分割

  2. 贝叶斯定理是关于随机事件A和B的条件概率（或边缘概率）的一则定理。朴素贝叶斯分类是一种十分简单的分类算法，叫它朴素贝叶斯分类是因为这种方法的思想真的很朴素，朴素贝叶斯的思想基础是这样的：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。通俗来说，就好比这么个道理，你在街上看到一个黑人，我问你你猜这哥们哪里来的，你十有八九猜非洲。为什么呢？因为黑人中非洲人的比率最高，当然人家也可能是美洲人或亚洲人，但在没有其它可用信息下，我们会选择条件概率最大

  3. 所属分类：图像处理

    • 发布日期：2018-03-27
    • 文件大小：5mb
    • 提供者：qq_23364995

  1. 贝叶斯方法与概率编程初步

  2. 介绍贝叶斯的哲学思想与意义，即通过观察新发生的现象来更新对某一事件发生的可信度做出判断

  3. 所属分类：讲义

    • 发布日期：2018-08-07
    • 文件大小：301kb
    • 提供者：qq_40259671

  1. 贝叶斯网络故障诊断模型解耦方法的探讨

  2. 贝叶斯网络故障诊断模型解耦方法的探讨，钟文奇，张三同，复杂系统贝叶斯网络故障诊断模型因节点多、耦合关系复杂，具有推理诊断效率低，诊断结果解释能力差等缺点。引进解耦思想，过对三

  3. 所属分类：其它

  1. GeNIe2.3贝叶斯网络可视化软件.rar

  2. 软件介绍: 此版本为2019年02月28日更新版本。GeNIe是一款可视化很强的贝叶斯网络软件，拥有良好的用户界面、直观透明，这也是多年来GeNIe界面开发的主要思想。总的来说，这款开源软件非常适合新手学习。上手

  3. 所属分类：其它

    • 发布日期：2019-09-03
    • 文件大小：12mb
    • 提供者：weixin_38743481

  1. 贝叶斯ML阅读心得（前6节）.pdf

  2. 这是我关于上一个资源《贝叶斯机器学习》的阅读心得，里面涵盖了每一章的核心思想概要，核心公式推导，以及一些个人的思考。希望得到大家的批评指正，也希望能与大家就专业问题展开讨论~

  3. 所属分类：机器学习

    • 发布日期：2020-08-20
    • 文件大小：770kb
    • 提供者：weixin_45307225

  1. 贝叶斯阴阳和谐理论

  2. 一种贝叶斯分类器思想，香港中文大学教授徐雷

  3. 所属分类：专业指导

    • 发布日期：2008-03-20
    • 文件大小：727kb
    • 提供者：liufeng2007

  1. 朴素贝叶斯算法的python实现方法

  2. 本文实例讲述了朴素贝叶斯算法的python实现方法。分享给大家供大家参考。具体实现方法如下： 朴素贝叶斯算法优缺点 优点：在数据较少的情况下依然有效，可以处理多类别问题 缺点：对输入数据的准备方式敏感 适用数据类型：标称型数据 算法思想： 比如我们想判断一个邮件是不是垃圾邮件，那么我们知道的是这个邮件中的词的分布，那么我们还要知道：垃圾邮件中某些词的出现是多少，就可以利用贝叶斯定理得到。 朴素贝叶斯分类器中的一个假设是：每个特征同等重要 函数 loadDataSet() 创建数据集，这里的数据集

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：57kb
    • 提供者：weixin_38699724

  1. 朴素贝叶斯法 – 垃圾邮件分类

  2. 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：neg。 同时，可以将待分类的测试样本放入测试文件test中的对于pos，或者neg下，用来进行测试，如果是垃圾邮件则类别为0，反之类别为1。 在朴素贝叶斯法进行垃圾邮件的分类的思想中：有一个方法与一个假设： 　　贝叶斯定理：求解p(c|x)的问题变成了求解p(x|c)的问题 　　特征条件独立假设

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：61kb
    • 提供者：weixin_38537541

  1. python实现基于朴素贝叶斯的垃圾分类算法

  2. 一、模型方法        本工程采用的模型方法为朴素贝叶斯分类算法，它的核心算法思想基于概率论。我们称之为“朴素”，是因为整个形式化过程只做最原始、最简单的假设。朴素贝叶斯是贝叶斯决策理论的一部分，所以讲述朴素贝叶斯之前有必要快速了解一下贝叶斯决策理论。假设现在我们有一个数据集，它由两类数据组成，数据分布如下图所示。         我们现在用p1(x,y)表示数据点(x,y)属于类别1（图中用圆点表示的类别）的概率，用p2(x,y)表示数据点(x,y)属于类别2（图中用三角形表示的类别）的

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：229kb
    • 提供者：weixin_38725137

  1. 跟着Leo机器学习实战–基于概率论的分类方法：朴素贝叶斯

  2. 跟着Leo机器学习实战–基于概率论的分类方法：朴素贝叶斯 github https://github.com/LeoLeos/MachineLearningLeo/tree/master/bayes 核心思想 如果我们用p1(x,y)表示数据(x,y)属于类别1的概率,用p2(x,y)表示数据(x,y)属于类别2的概率,那么判别规则如下: 若p1(x,y)>p2(x,y),则判给类别1 若p1(x,y)<p2(x,y),则判给类别2 条件概率 条件概率是指事件A在另外一个事件B已经发

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：217kb
    • 提供者：weixin_38672807

  1. 支持向量学习机的贝叶斯群特征选择

  2. 事实证明，在许多机器学习和数据挖掘应用程序中，组特征选择（GFS）有助于提高学习型模型参数的可解释性和预测性能。现有的GFS模型主要基于平方损失和logistic损失进行回归分析和回归分析。进行分类，留下了由支持向量学习（SVL）机器普及的非敏感损失和铰链损失。 在本文中，我们提出了一种基于伪似然和数据增强思想的SVL机器的贝叶斯GFS框架。 利用贝叶斯推断，我们的方法可以规避正则化参数的交叉验证。 具体来说，我们在扩展空间中应用均值场变分方法来导出模型参数和超参数的后验分布，以进行贝叶斯估计。

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：438kb
    • 提供者：weixin_38613154

  1. 结合纹理和形状特征的在线混合随机朴素贝叶斯视觉跟踪器

  2. 基于机器学习的思想并充分利用外观信息，提出一种在线选择纹理和形状特征的混合随机朴素贝叶斯视觉跟踪器。构造归一化空间金字塔，通过强度二值特征和金字塔梯度方向直方图二值特征，描述全局与局部区域的纹理和形状；并根据特征描述的二值性和多模性，设计并实现了在线混合朴素贝叶斯分类器。分类器预测类别后验概率生成信任图，跟踪器通过分析信任图实现目标跟踪，并利用极大似然估计和交叉验证实现外观学习和特征选择。选用基准测试集比较同类方法，从性能和复杂度两方面评估了跟踪器。实验结果表明跟踪器对光照变化，部分遮挡等情况具

  3. 所属分类：其它

  1. 朴素贝叶斯分类算法原理与Python实现与使用方法案例

  2. 本文实例讲述了朴素贝叶斯分类算法原理与Python实现与使用方法。分享给大家供大家参考，具体如下： 朴素贝叶斯分类算法 1、朴素贝叶斯分类算法原理 1.1、概述 贝叶斯分类算法是一大类分类算法的总称 贝叶斯分类算法以样本可能属于某类的概率来作为分类依据 朴素贝叶斯分类算法是贝叶斯分类算法中最简单的一种 注：朴素的意思是条件概率独立性 P(A|x1x2x3x4)=p(A|x1)*p(A|x2)p(A|x3)p(A|x4)则为条件概率独立 P(xy|z)=p(xyz)/p(z)=p(xz)/p(z)

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：103kb
    • 提供者：weixin_38668243
« 12 3 4 »