贝叶斯分类算法是统计学的一种分类方法，它是一类利用概率统计知识进行分类的算法。在许多场合，朴素贝叶斯(Naïve Bayes，NB)分类算法可以与决策树和神经网络分类算法相媲美，该算法能运用到大型数据库中，而且方法简单、分类准确率高、速度快。 由于贝叶斯定理假设一个属性值对给定类的影响独立于其它属性的值，而此假设在实际情况中经常是不成立的，因此其分类准确率可能会下降。为此，就衍生出许多降低独立性假设的贝叶斯分类算法，如TAN(tree augmented Bayes network)算法。
...yesian Network Classification Rule tutorial 说明贝叶思网络分类规则例程 Bayesian classification algorithm 贝叶斯分类算法 naive Bayesian classification model 类模型 ..
基于20个网页-相关网页
This paper mainly focused on the discussion and the research of the basic technique concerned with data mining，And Bayesian classification algorithm based on the analysis of the loss of customer model are analyzed.
该文研究和探讨了客户关系管理系统开发的技术环节及实现过程，并对基于贝叶斯分类算法的客户流失分析模型的建立进行了分析。
参考来源 - 基于贝叶斯分类算法的客户流失分析模型研究—《电脑知识与技术》—2008年第35期—龙源期刊网The experiments show that this algorithm has higher precision compared with simple incremental Bayesian classifier with small training data set and it can reduce largely the computing time that costs in samples optimal selection in incremental learning.
实验表明,在训练数据集较小的情况下,该算法比原增量贝叶斯分类算法具有更高的精度,能大幅度减少增量学习样本优选的计算时间。
参考来源 - 一种基于类支持度的增量贝叶斯学习算法 in C·2,447,543篇论文数据，部分数据来源于NoteExpress
讨论了离散贝叶斯分类算法之后，推导了离散贝叶斯分类器的分类误差估算公式。
The algorithm of discrete Bayes classifier is proposed. Then, formulas for estimating classifying error of Bayes classifier are deduced.
在垃圾邮件分类和朴素贝叶斯算法研究的基础上，提出了基于用户知识的贝叶斯分类算法。
An user knowledge based na? Ve bayes classifier was proposed in order to conquer the problem that most of the E-mail is unstructured and need users decoding.
对朴素贝叶斯分类算法进行拓展，使其应用到多关系数据分类领域，并引入了用户指导的概念。
We extended the Naive Bayesian Classifier, applied it in the relational classification filed, and introduced the concept of user's guidance.
应用推荐