weka 贝叶斯 java_weka中朴素贝叶斯的实现

朴素贝叶斯在实际的应用中有着很大帮助，之所以是朴素贝叶斯是因为，训练数据的属性之间独立的这样是为了好计算类条件属性的概率。

朴素贝叶斯的公式如下：

P(C=c | X = x ) = (P(C=c)P(X=x | C=c))/(P(X=x))

其中X是属性，C为类属性。

朴素贝叶斯求得就是P(c|x)的后验概率。

这个等式的右侧，分子p(c)为所属类别的概率，它是先验概率，我们是可以通过所属类的个数占总样本的比例计算

分母P(X)是全概率公式，它是一个固定的值。

最终就是计算条件概率，所类条件下的属性的概率。

由于我们的属性之间是独立因此，P(Xi|Cj)= P(x1|cj)P(x2|cj)。。。P(xi|cj)概率的乘积。

如何分类呢？

加入二分类

是比较P(c1|x)和P(c2|x)之间的大小，谁的概率大，就是属性哪一类。

今天的样例是根据天气的各种属性是否决定出去玩

样本的数据库来自weka的weather.nominal.arrf 文件

@attribute outlook {sunny, overcast, rainy}

@attribute temperature {hot, mild, cool}

@attribute humidity {high, normal}

@attribute windy {TRUE, FALSE}

@attribute play {yes, no}

@data

sunny,hot,high,FALSE,no