利用100个男女训练集样本，使用贝叶斯分类器判别男女。1.采用最大似然法和贝叶斯估计的方法获得密度函数，设定不同的先验概率，观察判别结果正确率。2.分别在男女相关不相关的情况下分析结果正确率。3.设定不同的风险，采用最小风险的Bayes决策重复上面实验。

问题发现： 本次案例为工作中遇到的实际问题，在语音识别中的语料准备部分，需要从网络中爬取相当数量的相关文本，其中发现爬取到了一些不相关的内容，如何把这些不相关的内容剔除掉成为笔者需要思考的问题。 初步思考： 遇到此问题笔者第一时间考虑是将文本分词后向量化，使用聚类看一下分布情况，然而发现在不同训练集中，训练样本变化时，向量随之变化，在测试集中表现一般，在实测中几乎无用。于是想到向量化的方法问题，使用sklearn CountVectorizer方法进行向量化，仅仅是将所有词频无序的向量化，看到另外博文时，发现应该先将目标主题的文本进行词频统计，将统计结果当做向量化模板，实测发现效果不错，现将此方法分享给大家

LDA算法分析中文教程,fisher 线性判别式,降维，分类算法，线性判别分析算法教程 ，内附LDA实验代码

原创，测试识别率0.99，重构图像完全比不上PCA，但能满足分类要求。可下载后直接运行，并保存特征向量数据

判别分析案例的详细讲解，还有原始数据集，另外还有相关研究的文献

步态测量一种方法，里面介绍了原理以及如何实现检测的方案

matlab实现的马氏距离判别法，简单方便

基于MATLAB的Fisher线性判别代码，里面详细介绍了利用MATLAB实现Fisher线性判别

贝叶斯判别算法matlab的实现，详细地介绍了贝叶斯算法

机器学习中常用的流行学习算法，对于算法中的各个量都有明确的解释。