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。其中P(A|B)是在B发生的情况下A发生的可能性。 贝叶斯定理也称贝叶斯推理，早在18世纪，英国学者贝叶斯(1702～1763)曾提出计算条件概率的公式用来解决如下一类问题：假设H,H…,H[n]互斥且构成一个完全事件，已知它们的概率P(H[i]),i=1,2,…,n,现观察到某事件A与H,H…,H[n]相伴随机出现，且已知条件概率P(A|H[i])，求P(H[i]|A)。
It releases attribute independence assumption of Naive Bayes text classifier. An improved text classification model based on Bayes theorem called stump network is presented to amend the Naive Bayes text classifier.
放宽朴素贝叶斯文本分类模型中的属性独立性假设，采用一种改进的基于贝叶斯定理的文本分类模型“树桩网络”，改进朴素贝叶斯文本分类模型。
参考来源 - 基于树桩网络的贝叶斯文本分类算法·2,447,543篇论文数据，部分数据来源于NoteExpress
本文探讨了贝叶斯定理及其推广在工程建设项目中的应用。
The thesis discuss the application of Bayes Theorem and its generalization on construction project.
基于贝叶斯定理的海底参数统计反演是当前水声学研究的热点之一。
Statistical inversion of seafloor parameters based on Bayesian inference is an interesting topic in the research of underwater acoustics.
贝叶斯方法是那些明确地在分类和回归问题中应用贝叶斯定理的算法。
Bayesian methods are those that are explicitly apply Bayes' Theorem for problems such as classification and regression.
应用推荐