Java实现朴素贝叶斯分类器

实验描述:

对指定数据集进行分类问题的分析，选择适当的分类算法，编写程序实现，提交程序和结果报告

数据集： balance-scale.data（见附件一） ，已有数据集构建贝叶斯分类器。

数据包括四个属性：五个属性值 第一个属性值表示样本的类别号，其他四个属性为四个不同的特征值。

实验环境和编程语言：

本实验使用的编程语言为：Java

编程环境为：Intellij idea

构建分类器的算法为：朴素贝叶斯算法

训练的样本个数为：625个

样本示例：R,1,1,1,2（表示属于R类，四各属性值为1 1 1 2）

训练样本和测试样本见附件一。

工程和测试数据下载地址：

http://download.csdn.net/detail/qq_24369113/9711643

实验结果分析：

根据程序运行的结果如图1-1所示，使用训练的样本对分类器进行检测，分类得到295个R类（实际288个），330个L类（实际288个），0个B类（实际49个），综合分类正确率为92.16%。可以认为分类器有较高的正确率，但是对于类B的分类还是有一定的误差，具体原因会在思考与改进中说明。

思考与改进：

思考点：

本次实验编程利用朴素贝叶斯算法构建的分类器，虽然整体情况是拥有较高的分类正确率（92.16%），但是对训练样本再检测时没有发现一个B类样本，出现的较大的偏差，分析原因如下：

1.  B类样本点总数很少，以至于P（y_B）就远远小于P（y_R）和P（y_L），所以对于后验概率公式，P（y_B|x）必然比P（y_L|x）和P（y_R|x）要小，因此导致最后样本难以分到B类。

2.  观察训练样本集可以发现，B类的样本点和L类以及R类并没有很大区别，其不具备很强的统计可分性，所以对于依赖于统计概率的贝叶斯方法无法体现出其优势，所以导致了最终没有样本被分到B类中。

 

改进点：

本算法在实现贝叶斯分类的时候，每一次都进行了遍历样本集来求出

P（a₁|y₁）、P（a₂|y₁）……P（a