贝叶斯实现简单两类分类

常见的主动学习方法分为三类，分别是基于membership的主动学习，基于流的主动学习和基于池的主动学习。本文针对基于池的主动学习方法研究，通过对无标记的数据进行价值评价，然后价值高低的排序，从而得到最佳无标签数据，并且进行对最佳的无标签数据打标，并入到训练集合中，最后进行模型和分类器的训练，以便得到最佳效果。 具体来说，使用基于熵的不确定性方法和基于margin策略的不确定性度量方法进行价值评价，在无标签数据中，找到奇异样本点，也就是最有价值的样本点，然后进行打标，进入到训练样本中。最后进行支持向量机，贝叶斯分类器和最近邻三种分类器训练，并且在UCI的三个数据集合上进行实验，相比随机样本，基于熵的不确定方法和基于margin策略的不确定主动学习方法，其分类准确率更高。

作者张洋，很通俗的讲解朴素贝叶斯分类器的文章，作者的博客讲解了许多算法：http://blog.codinglabs.org/ ，值得一读。

matlab实现贝叶斯分类。随机生成一组高斯正态分布数，利用贝叶斯算法分类。

基于BiGRU和贝叶斯分类器的文本分类，利用搜狐新闻数据集进行实现，对12个种类进行分类，里面设计BiGRUB提取文本特征，TF-IDF特征权重赋值，Bytes分类进行实现，学习深度学习和机器学习很好的借鉴。

用python写的简单的朴素贝叶斯分类器，一共有两个主文件，nbayes1和nbayes1_run1还有两个训练数据文件，望大家多多指教。

用于对遥感图像进行监督分类，贝叶斯分类器， 用于对遥感图像进行监督分类， 用于对遥感图像进行监督分类， 用于对遥感图像进行监督分类， 用于对遥感图像进行监督分类

熟悉和掌握贝叶斯决策理论，并利用贝叶斯决策理论的相关知识实现手写数字的识别算法，并分析主要参数变化对于识别结果的影响。 参考博客：https://blog.csdn.net/weixin_43442778/category_9481732.html

搭建一个平台，可以用鼠标手写数字，运用一种分类器对此手写数字进行识别，并对分类器性能进行评估。三次作业，分别用最小错误率贝叶斯分类器，Fisher线性分类器，人工神经网络进行识别。都采用matlab编程，前两种可在平台上手写数字并识别，人工神经网络版本的没有手写平台，能够通过程序读取图片并返回识别出的数字。包含实验报告和用来训练的数字图片。注意使用时必须修改程序中读取的文件位置。

详细讲解朴素贝叶斯分类，理论与实例相结合