利用贝叶斯分类器实现手写数字识别，要数据的可以发私信，有测试集和训练集。太大不布出来。

本人根据模式识别教材写的朴素贝叶斯分类器，用于人脸识别，人脸参数化方式为，把人脸分为9个区域，计算9个区域的黑白对比度，希望能抛砖引玉，人脸库请自己下载

该文件夹包含贝叶斯算法的matlab实现，以及使用贝叶斯算法对图像进行分类。

以狼来了为例，使用贝叶斯分类器对小孩三次说谎后的可信度的一个计算，并介绍了二分类问题的matlab实现

最简单的贝叶斯分类器演示Matlab程序。入门必备。　详细请参考本人的博客http://blog.csdn.net/ranchlai/article/details/10375579

带操作界面的贝叶斯分类代码（Matlab） 贝叶斯分类Matlab源码

利用贝叶斯分类器实现手写数字识别，要数据的可以发私信，有测试集和训练集。

实验描述: 对指定数据集进行分类问题的分析，选择适当的分类算法，编写程序实现，提交程序和结果报告 数据集： balance-scale.data（见附件一） ，已有数据集构建贝叶斯分类器。 数据包括四个属性：五个属性值 第一个属性值表示样本的类别号，其他四个属性为四个不同的特征值。

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的类别，这就是朴素贝叶斯的思想基础。

adaboost 演示demo（基于Matlab，学习算法包括决策树、神经网络、线性回归、在线贝叶斯分类器等），动态GUI显示学习过程、vote过程等