数据挖掘—朴素贝叶斯分类算法（Java实现）

算法描述

（1）扫描训练样本数据集，分别统计训练集中类别 Ci 的个数 Di 和属于类别Ci 的样本中属性Ak取值Xk为 Dik 的实例样本个数，构成统计表；
（2）计算先验概率和条件概率，构成概率表；
（3）构建分类模型；
（4）扫描待分类的样本数据集，调用已得到的统计表、概率表以及构建好的分类准则，得出分类结果；

代码

public class Bayes {
   

    //将训练集按巡逻集合的最后一个值进行分类
    Map<String, ArrayList<ArrayList<String>>> datasOfClass(ArrayList<ArrayList<String>> datas){
   

        Map<String, ArrayList<ArrayList<String>>> map = new HashMap<String, ArrayList<ArrayList<String>>>();
        ArrayList<String> t = null;
        String c = "";
        for (int i = 0; i < datas.size(); i++) {
   
            t = datas.get(i);
            c = t.get(t.size() - 1);
            if(c.length()==0) continue;
            if (map.containsKey(c)) {
   
                map.get(c).add(t);
            } else {
   
                ArrayList<ArrayList<String>> nt = new ArrayList<ArrayList<String>>();
                nt.add(t);
                map.put(c, nt);
            }
        }

        return map;
    }

    //在训练数据的基础上预测测试元组的类别 ，testT的各个属性在结果集里面出现的概率相乘最高的，即是结果
    public String predictClass(ArrayList<ArrayList<String>> datas, ArrayList<String> testT) {
   
        Map<String, ArrayList<ArrayList<String>>> doc = this.datasOfClass(datas);
        //将训练集元素划分保存在数据里
        Object classes[] = doc.