**部分借鑑於：
bayes判別：假定對研究物件已經有一定的認識，但這種認識常用先驗概率來描述，取得樣本後，就可以用樣本修正已有的先驗概率，得到後驗概率。
r語言實現
回代函式如下：
discriminiant.bayes<-function
(trnx1, trnx2, rate=1, tstx = null, var.equal = false)
#輸入x1類樣本集，輸入x2類樣本集，tstx為待測樣本，如果不輸入則計算實驗樣本的回代情況，var.equal=t
#認為兩總體的協方差矩陣相同,.rate= c(1|2) / c(2|1)*p2/p1
else
for (i in 1:nx)
blong
}交叉確認估計函式：
bayes.jiaocha<-function(trnx1,trnx2,rate=1,var.equal = false)
else#按比例分配
if (var.equal == true || var.equal == t)#假設協方差相等的時
else
}blong1
}else#假設協方差不相等的時
else
blong2}}
ML 高斯判別分析 樸素貝葉斯和邏輯回歸
華電北風吹 天津大學認知計算與應用重點實驗室 最後修改日期 2015 8 22 近來看 中經常看到gda和樸素貝葉斯，並且 中說的演算法中用到的貝葉斯公式，對怎麼用的原理以前沒有仔細研究，今天仔細的看了斯坦福機器學習的關於gda，nb和lr的講義部分。理解了貝葉斯公式在gda和nb中的原理，以及gd...
貝葉斯分析
1先來說一下貝葉斯統計與經典統計的不同之處 簡單說，頻率派認為估計物件 引數 是乙個未知的固定值。而貝葉斯卻認為未知的引數都是隨機變數。我曾經見到這麼個不錯的例子 我們要通過一些事實估計 愛因斯坦在1905年12月25日晚上八點吸菸 的真假。定義引數 那麼頻率派認為，愛因斯坦有沒有曾經在這時刻吸菸是...
貝葉斯 01 初識貝葉斯
分割線 分割線 分割線 分割線 分割線 分割線 分割線 分割線 分割線 分割線 分割線 分割線 分割線 最先知道貝葉斯公式還是四年前的概率論和數理統計課上，時間也很久了，具體內容早已經忘記，不過畢竟曾經學過，重新看過還是得心應手的。大概用兩三篇的內容來介紹一下貝葉斯，以及機器學習中很重要的一部分 樸...