贝叶斯决策 学习了一个学期的模式识别课程，老师讲的很好，深入浅出，无奈我脑子不够用没有理解到其中精髓，现在整理了一下听课笔记，以备以后需要时翻阅。这篇文章记录的是贝叶斯决策，其中包括最大后验、最大似然和贝叶斯决策的直观理解和数学理论。 关于先验和后验 关于什么是先验概率和后验概率， 余生最年轻在他的博客里解释的很好。先验(Priori )概率直观上理解，所谓“先”，就是在事情之前，即在事情发生之前事情发生的概率。是根据以往经验和分析得到的概率。比如抛硬币，我们都认为正面朝上的概率是0.5，这就是一种先验概率，在抛硬币前，我们只有常识。这个时候事情还没发生，我们进行概率判断。所谓的先验概率是对事情发生可能性猜测的数学表示。 后验(Posteriori)概率直观上理解是事情已经发生了，事情发生可能有很多原因，判断事情发生时由哪个原因引起的概率。

1.点在多边形算法 2.散点生成光滑的3次贝塞尔曲线算法(多段闭合) (知乎里一个帖子找到的一个国外网站下的) 3.中国个省市json数据 4.247个国家的基本地理数据

位于SASCA域（科特迪瓦西南）的Gbowé（Grand-Béréby）地层的岩石学和结构研究表明，存在巨大的Paragneisses。 为了深入了解岩石学，结构和变质特征，用这些石蜡木制成了六（6）个薄片。 这些片麻岩的特征是古体和新体（隐性体和黑素体），它们由石英，石榴石，斜长石，黑云母，堇青石，硅线石，硅铁矿和微晶岩组成。 如此描述的矿物学组合指示了逆行变质作用（从颗粒相到两性相的转变）。 结构和微观结构研究确定了两种类型的变形（韧性和脆性）。 延展性变形的特征在于相D1（NE-SW展平）和D2（NW-SE展平），通过叶化（N140˚，N050˚），褶皱（不对称褶皱，类似褶皱，同心褶皱，虚褶）和布丁形成。 脆性变形和折断性褶皱是脆性变形的特征（阶段D3）。 显微组织研究与变质研究相结合表明，变形对矿物的质地（再结晶和矿物反应）有影响。 它还允许给出阶段D1和D2的共生。 D1相的特征是石榴石，黑云母1，石英1，硅线石1和堇青石1，D2相的特征是石榴石，石英2，硅线石2，黑云母2，石榴石2和直链石2。 因此，这些同基因突出显示了影响研究区域的多态性和多态性。

视频挖掘主要涉及三个层次的工作:视频数据预处理,视频特征数据提取及视频模式发现与表示。针对监控视频数据,以人体姿势识别和行为理解为挖掘任务开展视频数据挖掘研究。提出了一个带有二维身体部位表示法的动态贝叶斯动作网(DBAN)基本框架来提高人体姿势定位的准确性及行为识别的精度,并通过实验证明了该方法的有效性。

使用在地理信息系统（GIS）中实施的多准则模糊推理系统（FIS）对新墨西哥州的贝纳里洛县进行了分水岭脆弱性评估。 脆弱性图是通过加权叠加分析生成的，该分析结合了从FIS方法学得出的土壤侵蚀和渗透图。 该模型规定了五个脆弱性类别：不脆弱（N），轻微脆弱（SV），中等脆弱（MV），高度脆弱（HV）和极脆弱（EV）。 结果表明，约88％的研究区域对轻度（SV）到中度脆弱性（MV）敏感，其中11％的区域遭受高或极度脆弱性（HV / EV）。 对于土地使用和土地覆被（LULC）分类，灌木林被确定为最容易受到破坏。 加权覆盖层输出与经修订的通用土壤流失方程（RUSLE）模型预测的结果相似，但不脆弱（N）类除外。 该县东部地区由于其高坡度和高降水量而被确定为最脆弱的地区。 在此，结构性雨水控制措施（SCM）对于管理径流和泥沙外运可能是可行的。 这种多准则的FIS / GIS方法可以提供有用的信息，以指导决策者为干旱的西南地区选择合适的结构性和非结构性SCM。

这项研究在地理上分析了尼日利亚伊莫州奥哈吉/埃格贝马的土壤理化性质对玉米和木薯产量的影响。 该研究采用了一种免费的调查方法，该方法从该地区的十（10）个不同位置（社区）对土壤进行采样。 进行了俄歇和土壤剖面采样，并对土壤样品进行了填充以进行实验室分析。 使用手持全球定位系统（GPS）接收器对采样地点进行地理参考，以用于研究区域的地图制作和数字高程模型（DEM）。 1988-2017年的木薯和玉米单产数据是从位于伊莫州奥韦里的农业发展计划（ADP）总部收集的。 使用不同的技术分析数据，包括实验室研究和方差分析（ANOVA）。 利用变异系数获得了土壤层位之间的特性变化，并且土壤特性与农作物相关。 结果表明，某些土壤性质表现出较高的变化，因此在两个采样深度（0-20厘米和20-40厘米）下，土壤呈强酸性，有机物，总氮，可交换碱和有效磷含量较低。 很少有土壤特性与木薯在0.05（总氮= 0.5333；淤泥= 0.7750）和玉米在0.01（总沙土= 0.7774；粗砂= 0.8742）的概率水平上呈正相关，但一般而言，大多数土壤特性与玉米的显着负相关。该地区。 因此，土壤中所含的植物养分元素含

尽管极端事件对许多发展中国家的各种气候事件的频率和强度有影响，但缺乏有关每日气候趋势和气候极端事件的信息。 这项研究旨在表征摩洛哥的气候类型及其演变，特别是贝尼·梅拉尔-科尼夫拉和达拉-塔菲拉特这两个地区。 RClimdex软件已被用于计算所研究台站的高温和高温热指数，以揭示这两个地区的气候类型，其演变以及每日的极端温度和降水。 已经对1970年至2016年期间气象站的计算指标和气候趋势进行了制图表示。结果，炎热白天的温度趋势显着增加，而寒冷夜晚的数字，温暖序列和降水量则逐渐减少特别是在Khouribga和Midelt。 这些观测到的变化会对一年中的年降雨量总量，连续的湿润天，最大的雨天以及连续干旱的天数产生负面影响。 结论是，Martonne干旱指数和总热指数表明，温度和降水量的演变不会引起研究区域气候类型的变化。

本文讨论了贝叶斯方法，用于在测试过程中估计和预测软件系统的可靠性。 针对软件故障，提出了由Musa-Okumoto（1984）软件可靠性模型引起的非均质泊松过程（NHPP）。 Musa-Okumoto NHPP可靠性模型由执行时间部分和日历时间部分两个部分组成，是软件可靠性分析中的一种流行模型。 软件可靠性模型的预测分析对于修改，调试和确定何时终止软件开发测试过程非常重要。 但是，文献中缺少对Musa-Okumoto（1984）NHPP模型的贝叶斯和古典预测分析。 本文讨论了与开发测试程序密切相关的单样本预测中的四个软件可靠性问题。 采用基于非信息先验的贝叶斯方法来为这些问题制定明确的解决方案。 给出了基于真实和模拟数据的示例，以说明已开发的理论预测结果。

一项众包实验，其中，英国广播公司（BBC）电视节目的观看者（“人群”）提交了不倒翁硬币数量的估计值（在第1部分）中显示，服从对数正态分布∧ （m，s2）。 硬币估计实验是适用于众包解决方案的广泛图像分析和对象计数问题的原型。 当前文章（第2部分）的目的是通过贝叶斯方法和最大似然（ML）方法确定∧（m，s2）的位置和比例参数（m，s），并比较结果。 分析的结果之一是通过杰弗里斯的规则解决了有关适当贝叶斯先验问题的问题。 结果表明，贝叶斯分析和ML分析导致位置参数的表达式相同，但尺度参数的表达式不同，这在无限样本量的限制内变得相同。 分析的第二个结果涉及使用样本均值作为不寻求或不知道响应分布的应用程序中人群信息的度量。 在硬币估计实验中，发现样本均值与根据∧（m，s2）计算出的平均硬币数相差很大。 这种不一致性引发了关于样本平均值是否以及在何种条件下提供人群信息的可靠度量的关键问题。 本文通过使用最大熵原理（PME）解决了该问题。 PME产生了一组方程，用于找到与给定的先验信息且仅与该信息一致的最可能的分布。 如果对于指定的样本均值和样本方差没有PME方程的解，则样本均值是不可靠的统计信息

机器学习--贷款违约行为预测（基于逻辑回归和朴素贝叶斯和随机森林及SVM四种方法实现，资源包含完成则代码及数据，数据3万余条记录