目标:
1、用java写一个贝叶斯分类器,通过一个人的几项特征(性别、是否吸烟、是否纹身、是否戴眼镜、是否骑自行 车)来判断其是否为一个学生。
2、其中训练数据从mysql数据库中读取,测试数据从标准输入输出读取
关于贝叶斯分类器的算法原理很好理解,在此不再赘述。下面是实现:
建立项目,分为3个.java类:
1、 FetchData:读数据,包含两个方法
a) 从数据库中读入训练数据。
b) 从标准输入输出中读入测试数据。
2、 Bayes:就是实现贝叶斯分类器的核心算法,先将读入的训练数据按类别分类构造一个map,再对每个类别分别计算先验概率,进而算出贝叶斯公式中的分子(分母都一样故只用比较分子大小即可),取算出概率最大的类别返回即可。(这里了解原理就不难理解)
3、 Main:就是主程序,实现调用方法和一些给用户的提示和相应。
然后我自己设计了少量的数据测试了一下:
执行代码,验证结果如图:
代码如下:
1、FetchData.java
package IsStudent_bys;
import java.io.IOException;
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.ResultSet;
import java.sql.SQLException;
import java.sql.Statement;
import java.util.ArrayList;
import java.util.StringTokenizer;
public class FetchData {
//连接数据库,读取训练数据
//输入:数据库
//输出:可变长数组
public ArrayList<ArrayList<String>> fetch_traindata(){
ArrayList<ArrayList<String>> dataSet = new ArrayList<ArrayList<String>>(); //待返回
Connection conn; //与特定数据库的连接(会话)的变量
String driver = "com.mysql.jdbc.Driver"; //驱动程序名?(待深入了解)
String url = "jdbc:mysql://localhost:3306/Bayes"; //指向要访问的数据库!注意后面跟的是数据库名称
String user = "root"; //navicat for sql配置的用户名
String password = "123456"; //navicat for sql配置的密码
try{
Class.forName(driver); //用class加载动态链接库——驱动程序
conn = DriverManager.getConnection(url,user,password); //利用信息链接数据库
if(!conn.isClosed())
System.out.println("Succeeded connecting to the Database!");
Statement statement = conn.createStatement(); //用statement 来执行sql语句
String sql = "select * from TrainData"; //这是sql语句中的查询某个表,注意后面的emp是表名!!!
ResultSet rs = statement.executeQuery(sql); //用于返回结果
String str = null;
while(rs.next()){ //一直读到最后一条表
ArrayList<String> s= new ArrayList<String>();
str = rs.getString("Sex"); //分别读取相应栏位的信息加入到可变长数组中
s.add(str);
str = rs.getString("tatto");
s.add(str);
str = rs.getString("smoking");
s.add(str);
str = rs.getString("wearglasses");
s.add(str);
str = rs.getString("ridebike");
s.add(str);
str = rs.getString("isStudent");
s.add(str);
dataSet.add(s); //加入dataSet
//System.out.println(s); 输出中间结果调试
}
rs.close();
conn.close();
}catch(ClassNotFoundException e){ //catch不同的错误信息,并报错
System.out.println("Sorry,can`t find the Driver!");
e.printStackTrace();
}catch(SQLException e){
e.printStackTrace();
}catch (Exception e) {
e.printStackTrace();
}finally{
System.out.println("数据库训练数据读取成功!");
}
return dataSet;
}
public ArrayList<String> read_testdata(String str) throws IOException //将用户输入的一整行字符串分割解析成可变长数组
{
ArrayList<String> testdata=new ArrayList<String>(); //待返回
StringTokenizer tokenizer = new StringTokenizer(str); //这是借鉴学习了StringTokenizer类型(待深入了解)
while (tokenizer.hasMoreTokens()) {
testdata.add(tokenizer.nextToken());
}
return testdata;
}
}
2、Bayes.java
package IsStudent_bys;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.Map;
public class Bayes {
//按类别分类
//输入:训练数据(dataSet)
//输出:类别到训练数据的一个Map
public Map<String,ArrayList<ArrayList<String>>> classify(ArrayList<ArrayList<String>> dataSet){
Map<String,ArrayList<ArrayList<String>>> map = new HashMap<String, ArrayList<ArrayList<String>>>(); //待返回的Map
int num=dataSet.size();
for(int i=0;i<num;i++) //遍历所有数据项
{
ArrayList<String> Y = dataSet.get(i); //将第i个训练样本的信息取出
String Class = Y.get(Y.size()-1).toString(); //约定将类别信息放在最后一个字符串
if(map.containsKey(Class)){ //判断map中是否已经有这个类了
map.get(Class).add(Y);
}else{ //若没有这个类就新建一个可变长数组记录并加入map
ArrayList<ArrayList<String>> nlist = new ArrayList<ArrayList<String>>();
nlist.add(Y);
map.put(Class,nlist);
}
}
return map;
}
//计算分类后每个类对应的样本中某个特征出现的概率
//输入:某一类别对应的数据(classdata) 目标值(value) 相应的列值(index)
//输出:该类数据中相应列上的值等于目标值得频率
public double CalPro_yj_c(ArrayList<ArrayList<String>> classdata, String value, int index){
int sum = 0; //sum用于记录相同特征出现的频数
int num = classdata.size();
for(int i=0;i<num;i++)
{
ArrayList<String> Y = classdata.get(i);
if(Y.get(index).equals(value)) sum++; //相同则计数
}
return (double)sum/num; //返回频率,以频率带概率
}
//贝叶斯分类器主函数
//输入:训练集(可变长数组);待分类集
//输出:概率最大的类别
public String bys_Main(ArrayList<ArrayList<String>> dataSet, ArrayList<String> testSet){
Map<String, ArrayList<ArrayList<String>>> doc = this.classify(dataSet); //用本class中的分类函数构造映射
Object classes[] = doc.keySet().toArray(); //把map中所有的key取出来(即所有类别) ,借鉴学习了object的使用(待深入了解)
double Max_Value=0.0; //最大的概率
int Max_Class=-1; //用于记录最大类的编号
for(int i=0;i<doc.size();i++) //对每一个类分别计算,本程序只有两个类
{
String c = classes[i].toString(); //将类提取出
ArrayList<ArrayList<String>> y = doc.get(c); //提取该类对应的数据列表
double prob = (double)y.size()/dataSet.size(); //计算比例
System.out.println(c+" : "+prob); //输出该类的样本占总样本个数的比例!
for(int j=0;j<testSet.size();j++) //对每个属性计算先验概率
{
double P_yj_c = CalPro_yj_c(y,testSet.get(j),j);
//输出中间结果以便测试System.out.println("now in bys_Main!!"+P_yj_c);
prob = prob*P_yj_c;
}
System.out.printf("P(%s | testcase) * P(testcase) = %f\n",c,prob); //输出分子的概率大小
if(prob>Max_Value) //更新分子最大概率
{
Max_Value=prob;
Max_Class=i;
}
}
return classes[Max_Class].toString();
}
}
3、Main.java
package IsStudent_bys;
import java.io.BufferedInputStream;
import java.io.IOException;
import java.util.ArrayList;
import java.util.Scanner;
public class Main {
//主函数,读取数据库,并读入待判定数据,输出结果
public static void main(String[] args) {
FetchData Fdata = new FetchData(); //java对函数的调用要先声明相应的对象再调用
Bayes bys = new Bayes();
ArrayList<ArrayList<String>> dataSet = null; //训练数据列表
ArrayList<String> testSet = null; //测试数据
try{
System.out.println("从数据库读入训练数据:");
dataSet = Fdata.fetch_traindata(); //读取训练数据集合
System.out.println("请输入测试数据:");
Scanner cin = new Scanner(new BufferedInputStream(System.in)); //从标准输入输出中读取测试数据
while(cin.hasNext()) //支持多条测试数据读取
{
String str = cin.nextLine(); //先读入一行
testSet = Fdata.read_testdata(str);//将这一行进行字符串分隔解析后返回可变长数组类型
//System.out.println(testSet); //输出中间结果
String ans = bys.bys_Main(dataSet, testSet); //调用贝叶斯分类器
if(ans.equals("yes")) System.out.println("Yes!!! He's likely to be a student!"); //输出结果
else System.out.println("No!!! It is NOT likely to be a student!!!");
}
cin.close();
}catch (IOException e) { //处理异常
e.printStackTrace();
}
}
}