matlab朴素贝叶斯工具箱,朴素贝叶斯分类matlab实现.doc

朴素贝叶斯分类matlab实现

实验二 朴素贝叶斯分类

一、实验目的

通过实验，加深对统计判决与概率密度估计基本思想、方法的认识，了解影响Bayes分类器性能的因素，掌握基于Bayes决策理论的随机模式分类的原理和方法。

二、实验内容

设计Bayes决策理论的随机模式分类器，用matlab实现。

三、方法手段

Bayes分类器的基本思想是依据类的概率、概密，按照某种准则使分类结果从统计上讲是最佳的。换言之，根据类的概率、概密将模式空间划分成若干个子空间，在此基础上形成模式分类的判决规则。准则函数不同，所导出的判决规则就不同，分类结果也不同。使用哪种准则或方法应根据具体问题来确定。

四、Bayes算法

朴素贝叶斯分类或简单贝叶斯分类的工作过程如下：

(1)每个数据样本用一个n维特征向量表示，分别描述对n个属性A1,A2,…An样本的n个度量。

(2)假定有m个类C1,C2,…Cm。给定一个未知的数据样本X(即没有类标号)，分类法将预测X属于具有最高后验概率(条件X下)的类。即是说，朴素贝叶斯分类将未知的样本分配给类Ci，当且仅当

(2.1)

这样，最大化。其最大的类Ci称为最大后验假定。根据贝叶斯定理，

(2.2)

(3)由于P(X)对于所有类为常数，只需要最大即可。如果类的先验概率未知，则通常假定这些类是等概率的，即P(C1)=P(C2)=…=P(Cm)。并据此只对最大化。否则，最大化。注意，类的先验概率可以用计算其中

si是类Ci中的训练样本数，而s是训练样本总数。

(4)给定具有许多属性的数据集，计算的开销可能非常大。为降低计算的开销，可以做类条件独立的朴素假定。给定样本的类标号，假定属性值相互条件独立，即在属性间，不存在依赖关系。这样，

(2.3)

概率，，…可以由训练样本估值，其中

1)如果Ak是分类属性，则，其中sik是在属性Ak上具有值xk的类Ci的样本数，而si是Ci中的训练样本数。

2)如果Ak是连续值属性，则通常假定该属性服从高斯分布，因而，

(2.4)

其中，给定类Ci的训练样本属性Ak的值，是属性Ak的高斯密度函数，而分别为平均值和标准差。

(5)为对未知样本X分类，对每个类Ci，计算。样本X被指派到类Ci，当且仅当

换言之，X被指派到其最大的类Ci。

例 使用朴素贝叶斯分类预测类标号：

RIDAgeIncomeStudentCredit_ratingClass:buys_computer1<=30HighNoFairNo2<=30HighNoExcellentNo331…40HighNoFairYes4>40MediumNoFairYes5>40LowYesFairYes6>40LowYesExcellentNo731…40LowYesExcellentYes8<=30MediumNoFairNo9<=30LowYesFairYes10>40MediumYesFairYes11<=30MediumYesExcellentYes1231…40MediumNoExcellentYes1331…40HighYesFairYes14>40MediumNoExcellentNo给定与判定树归纳相同的训练数据，我们希望使用朴素贝叶斯分类预测一个未知样本的类标号。训练数据在表7.1中。数据样本用属性age，income，student和credit_rating描述。类标号属性buys_computer具有两个不同值(即(yes,no))。设C1对应于类buys_computer=“yes”，而C2对应于类buys_computer=“no”。我们希望分类的样本为

我们需要最大化，i=1,2。每个类的先验概率P(Ci)可以根据训练样本计算：

P(buys_computer=”yes”)=9/14=0.643

P(buys_computer=”no”)=5/14=0.357

为计算，i=1,2，我们计算下面的条件概率：

P(age=”<30”|buys_computer=”yes”) =2/9=0.222

P(age=”<30”|buys_computer=”no”) =3/5=0.222

P(income=”medium”|buys_computer=”yes”) =4/9=0.444

P(income=”medium”|buys_computer=”no”) =2/5=0.400

P(student=”yes”|buys_co