机器学习算法朴素贝叶斯bayes之c++实现（不调用外源库）_贝叶斯学习 c+

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

		{
			for (vl = 0; vl < dicMat.row; vl++)
			{
				if (!p->attr_string[j].compare(q->attr_string[vl]))
				{
					vecX.mat[k][vl] = 1;
					break;
				}
			}
		}
	}
}
/*
for(i=0;i<vecX.col;i++)
{
for(j=0;j<vecX.row;j++)
cout<<vecX.mat[i][j]<<"  ";
cout<<endl;
}*/
return vecX;

}

/**
生成测试样本矩阵向量
/
Matrix createTestVec(dataToMatrix testX, dataToMatrix dicMat)
{
int i, j, vl;
Data p;
Data q;
p = testX.dataSet->next;
q = dicMat.dataSet->next;//字典同样也是一行
Matrix testVecX;
testVecX.initMatrix(&testVecX, testX.col, dicMat.row);
for (i = 0; i < testX.col; i++)//只有一行
{
for (j = 0; j < testX.row; j++)
{
for (vl = 0; vl < dicMat.row; vl++)
{
if (!p->attr_string[j].compare(q->attr_string[vl]))
{
testVecX.mat[0][vl] = 1;
break;
}
}
}
}
return testVecX;
}

/**
训练函数的实现，注意对参数进行平滑处理
**/
int trainNB(Matrix vecX, Matrix vecY)
{

}

/**
分类决策函数
**/
int classifyNB(Matrix testVecX)
{
double p0 = 1.0, p1 = 1.0;
int i, j;
for (i = 0; i < testVecX.row; i++)
{
if (testVecX.mat[0][i] != 0)
{
p0 *= (bayes.pXY.mat[0][i] / bayes.pX.mat[0][i]);
p1 *= (bayes.pXY.mat[1][i] / bayes.pX.mat[0][i]);
cout << p0 << endl;
cout << p1 << endl;
}
}
p0 *= bayes.pY.mat[0][0];
p1 *= bayes.pY.mat[1][0];
cout << “p0=” << p0 << “&” << “p1=” << p1 << endl;
if (p0 < p1)
cout << “class=” << 1;
else
cout << “class=” << 0;
return 0;

}

/**
生成数据的文件名
/
void getFileName()
{
int i = 0, j = 0, k = 0, l = 0;
string path[2] = { "email/ham/.txt",“email/spam/.txt" };
for (k = 0; k < CLASS_SUM; k++)
{
int len = path[k].size();
for (i = 0; i < 25 && i < FILE_MAX_NUM; i++)
{
for (j = 0, l = 0; j < len; j++, l++)
{
if (path[k][j] != '')
fileTest[k][i] += path[k][l];
else
{
if ((i + 1) / 10 > 0)
{
fileTest[k][i] += 48 + ((i + 1) / 10);
fileTest[k][i] += 48 + (i + 1) % 10;
}
else
{
fileTest[k][i] += 48 + i + 1;
}
}
}
//cout<<file[k][i]<<” “<<i<<” "<<i/10<<endl;
}
}
}

int main()
{

int k, i, j;
getFileName();///调用训练数据文件名生成函数

			  /**
			  加载数据样本
			  **/
dataToMatrix dtm[EMAILSUM];
cout << "loadData" << endl;
cout << "----------------------" << endl;
for (k = 0; k<CLASS_SUM; k++)
{
	for (i = 0; i<25 && i<FILE_MAX_NUM; i++)
	{
		dtm[25 * k + i].loadData(&dtm[25 * k + i], fileTest[k][i], 1);
	}
}

dataToMatrix dicMat;// 字典
dicMat = createVocabList(dtm);
dicMat.print(dicMat);

/**
生成样本矩阵
**/
Matrix vecX;
vecX.initMatrix(&vecX, EMAILSUM, dicMat.row);
vecX = createFectVec(dtm, dicMat);

/**
生成样本标签
**/
Matrix vecY;
vecY.initMatrix(&vecY, EMAILSUM, 1);
for (i = 0; i<EMAILSUM; i++)
{
	if (i<25)
		vecY.mat[i][0] = 1;
	else
		vecY.mat[i][0] = -1;
}

trainNB(vecX, vecY);///通过样本矩阵和标签矩阵调用参数求解函数求解bayes决策的参数

					/**
					生成测试样本
					*/
dataToMatrix dtmTest;
cout << "loadData" << endl;
cout << "----------------------" << endl;
char testfile[50] = "email/test.txt";
dtmTest.loadData(&dtmTest, testfile, 1);

/**
生成测试样本矩阵向量
**/
Matrix testVecX;
testVecX.initMatrix(&testVecX, 1, dicMat.row);
testVecX = createTestVec(dtmTest, dicMat);
testVecX.print(testVecX);

classifyNB(testVecX);///分类决策

}

**第三步：运行过程**


运行结果


![](https://img-blog.csdnimg.cn/78cefa78898043e59728ed758d1cfdde.png)


用到的软件是vs2010以上的版本都可以，不用额外配置什么，没调包，会用这个软件进行c++开发，就会使用这个软件



![img](https://img-blog.csdnimg.cn/img_convert/13125c02503683c9d76e0238d339f561.png)
![img](https://img-blog.csdnimg.cn/img_convert/77771ff5095f65488a8bc9f8045e2ed9.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上C C++开发知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[如果你需要这些资料，可以戳这里获取](https://bbs.csdn.net/topics/618668825)**

82695876)]

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上C C++开发知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[如果你需要这些资料，可以戳这里获取](https://bbs.csdn.net/topics/618668825)**