山东大学模式识别实验（java）贝叶斯算法

贝叶斯算法，简单地说就是比较测试数据是各个类别的概率，概率最大的就判断为这个数据的类别。具体来说就是一个条件概率的计算，测试数据是X，某个类别是C，那么也就是求P（C|X）最大的C，等于P(X|C)P(C)/P(X)，因为P(X)不变，所以不必引入计算。也就是说，比较的是P(X|C)P(C)。进一步，P（C）=C类数量/训练集总数，其中训练集总数不变，所以也可以忽略。P(X|C)=P(X1 | C).P(X2 | C).......也就是C类中X各个特征的值的条件概率。

首先需要一个测试集，然后求出各个类的数量和各个类的各个特征的各个值的条件概率（三层数组），接下来就可以对测试数据进行分类，使用上面的数据进行计算。

在本实验中，使用的是汽车数据集，分为四类。我将汽车封装为一个类，然后将数据集内容存储在一个txt中（放在项目根目录下，叫做a.txt），每一行对应一个汽车数据元素，然后在主类test类中还提供了txt转成汽车数组的方法。根据实验要求取数据集的部分作为训练集，全集作为测试集。由于全集数据其实都是已分类的数据，所以每次分完类后可以直接判断本次分类是否正确，从而得出正确率。

1.汽车类：

public class Car {
	private int kind,buying,maint,door,Persons,Lug_boot,Safety;

	public int getKind() {
		return kind;
	}

	public void setKind(int kind) {
		this.kind = kind;
	}

	public int getBuying() {
		return buying;
	}

	public void setBuying(int buying) {
		this.buying = buying;
	}

	public int getMaint() {
		return maint;
	}

	public void setMaint(int