基于WEKA的朴素贝叶斯（Naive Bayes）代码实现

最新推荐文章于 2023-07-10 10:10:35 发布

xwq-csdn

最新推荐文章于 2023-07-10 10:10:35 发布

阅读量3.6k

点赞数 1

分类专栏： weka 机器学习的算法文章标签：机器学习朴素贝叶斯 Naive Bayes

本文链接：https://blog.csdn.net/mileypriencess/article/details/89066324

版权

本文介绍了如何在WEKA中使用朴素贝叶斯算法进行分类，并提供了详细的代码实现过程，涵盖了Naive Bayes公式及对应的编程实践。

摘要由CSDN通过智能技术生成

1.Naive Bayes公式

NB分类公式
先验概率与后验概率公式

2.代码

package weka.classifiers.myAlgorithm;

import weka.classifiers.Classifier;
import weka.core.Instance;
import weka.core.Instances;

public class NB extends Classifier
{
	
	public int m_NumInstance;
	public int m_NumAttribute;
	public int m_NumClass;
	/**
	 * 第j个属性的起始下标
	 */
	public int m_StartIndex[] = null;
	/**
	 * 统计类别c出现的次数
	 */
	public double[] m_CountClass = null;
	/**
	 * 统计属性值Aj在类别c的情况下出现的次数
	 */
	public double[][] m_CountAttandClass = null;

	@Override
	public void buildClassifier(Instances data) throws Exception
	{
		// TODO Auto-generated method stub
		//初始化
		m_NumInstance = data.numInstances();
		m_NumAttribute = data.numAttributes();