使用Java编程语言实现简单的朴素贝叶斯（NaiveBayes）

读取数据集的操作这里不再赘述。

本文使用的数据实体类可见本人另一篇文章https://blog.csdn.net/c389003094/article/details/103082428

---

1、变量介绍

首先是朴素贝叶斯需要的变量定义，variances和means分别用于保存第c类实例在第i个属性上的取值的方差和均值（用于计算条件概率P（c | i））。

    //实例的属性值数目
    final static int INSTANCES_ATTRIBUTES_NUM = 11;
    //实例类别数 3,4,5,6,7,8,9
    final static int INSTANCES_CLASS_NUM = 7;
    //方差
    private double[][] variances = new double[INSTANCES_CLASS_NUM][INSTANCES_ATTRIBUTES_NUM];
    //均值
    private double[][] means = new double[INSTANCES_CLASS_NUM][INSTANCES_ATTRIBUTES_NUM];

---

2、求条件概率值

由于本数据集中的数据是连续性数据而非离散型数据，因此在求解条件概率是利用了正态函数求解。

    /**
     * 正态分布函数
     * 求取条件概率值
     * @param testRecordAttr 实例中的一个属性
     * @param var 方差
     * @param mean 均值
     */
    private double getCP(double testRecordAttr, double var, double mean) {
        double varSqrt = Math.sqrt(var);
        double a = 1/(Math.sqrt(2*Math.PI)*varSqrt);
        double x = -Math.pow((testRecordAttr - mean), 2)/(2 * var);
        double b = Math.pow(Math.E, x);
        return a * b;
    }

---

3、预测函数

假设各特征独立，求解不同属性针对不同类的条件概率值，将最大的条件概率值对应的类作为当前实例的预测类返回。

这里采取的是直接将所有的实例类传入完成预测。

    /**
     * 预测类别并放入predictLabel中
     * @param testRecords 测试数据实例集合
     */
    private void predict(TestRecord[] testRecords) {
        //针对每一个测试实例
        for (int k = 0; k < testRecords.length; k++) {
            //对于每一个类别
            double[] cpDiffAttr = new double[INSTANCES_ATTRIBUTES_NUM];
            double[] cpDiffClass = new double[INSTANCES_CLASS_NUM];
            Arrays.fill(cpDiffAttr, 0);
            Arrays.fill(cpDiffClass, 0);
            for (int i = 0; i < INSTANCES_CLASS_NUM; i++) {
                //不同属性针对i类的条件概率
                //针对每一个属性求出条件概率
                for (int j = 0; j < variances[i].length; j++) {
                    double var = variances[i][j];
                    double mean = means[i][j];
                    cpDiffAttr[j] = getCP(testRecords[k].attributes[j], var, mean);
                }
                cpDiffClass[i] = getArrayProduct(cpDiffAttr);
            }
            testRecords[k].predictedLabel = getMaxIndex(cpDiffClass);
        }
    }

---

PS：这里没有给出求解方差和均值的方法，原因是写的太烂了实在是没脸贴了。。刚刚开始学习机器学习算法，有些还不怎么理解，代码中存在问题可以向我留言交流。