西农大机器学习实验三贝叶斯分类器

m0_68835353

已于 2024-02-05 16:54:19 修改

阅读量449

点赞数 12

文章标签：大数据人工智能

于 2024-02-05 16:48:41 首次发布

本文链接：https://blog.csdn.net/m0_68835353/article/details/136044187

版权

本文介绍了如何使用贝叶斯分类器对西瓜书数据集进行处理，包括加载数据、计算离散和连续属性的条件概率，最后得出好瓜和坏瓜的概率。通过实际操作演示了贝叶斯分类器的基本原理和应用。

摘要由CSDN通过智能技术生成

一.实验目的

1.掌握贝叶斯分类器的基本原理与实现方法。

二.实验内容

1.编写程序实现贝叶斯分类器，完成基于西瓜书数据集3.0的贝叶斯分类器设计，并对P151所给定的测试1样本进行分类。

01 加载数据

%% 加载数据
D = importdata('data.txt');
n = 17; % 数据量
m = 10; % 属性
train = cell(n,m);
test = cell(1,m);
S = regexp(D,',','split');
for i=1:17
    train(i,:) = S{i,1};
end
test(1,:) = S{n+1,1};
disp('加载训练数据：');
disp(train);
disp('加载测试数据：');
disp(test);

02 对于离散属性，求条件概率；对于连续属性，可以考虑概率密度函数。分别将测试集中每个属性在好瓜以及坏瓜中占有的比例进行计算并存储在元胞数组中。

%% 
data = cell(3, m);
data(1,:) = test(1,:);
data{2,1} = '是';
data{3,1} = '否';
for i=2:3
    for j=2:m
        data{i,j} = 0;
    end
end
%disp(an);
for i=2:7
    for j=1:8
        if train{j,i}==data{1,i}
            data{2,i}=data{2,i}+1;
        end
    end
    data{2,i}=data{2,i}./8;
    for j=9:17
        if train{j,i}==data{1,i}
            data{3,i}=data{3,i}+1;
        end
    end
    data{3,i}=data{3,i}./9;
end
data{2,10} = 8/17;
data{3,10} = 9/17;
% 计算密度和含糖率的概率密度
density1 = str2num(char(train(1:8,8)));
den_m1 = mean(density1);
den_s1 = std(density1);
data{2,8} = exp(-1*(str2num(char(test(1,8)))-den_m1)*(str2num(char(test(1,8)))-den_m1)/(2*den_s1*den_s1))/(sqrt(2*pi)*den_s1);
density2 = str2num(char(train(9:17,8)));
den_m2 = mean(density2);
den_s2 = std(density2);
data{3,8} = exp(-1*(str2num(char(test(1,8)))-den_m2)*(str2num(char(test(1,8)))-den_m2)/(2*den_s2*den_s2))/(sqrt(2*pi)*den_s2);
suger1 = str2num(char(train(1:8,9)));
sug_m1 = mean(suger1);
sug_s1 = std(suger1);
data{2,9} = exp(-1*(str2num(char(test(1,9)))-sug_m1)*(str2num(char(test(1,9)))-sug_m1)/(2*sug_s1*sug_s1))/(sqrt(2*pi)*sug_s1);
suger2 = str2num(char(train(9:17,9)));
sug_m2 = mean(suger2);
sug_s2 = std(suger2);
data{3,9} = exp(-1*(str2num(char(test(1,9)))-sug_m2)*(str2num(char(test(1,9)))-sug_m2)/(2*sug_s2*sug_s2))/(sqrt(2*pi)*sug_s2);
 
disp('在好瓜坏瓜的条件下的概率：');
disp(data);

03 相乘得结果

% 好瓜坏瓜的概率
res_is = 1.0;
for i=2:10
    res_is = res_is .* cell2mat(data(2,i));
end
disp('好瓜的概率：');
disp(res_is);
 
res_not = 1.0;
for i=2:10
    res_not = res_not .* cell2mat(data(3,i));
end
disp('坏瓜的概率：');
disp(res_not);