实验一：Wine数据集分类——贝叶斯分类算法

• 一、实验目的

        该实验的Wine数据集来自于UCI机器学习数据库中，数据集中的数据则是产自意大利同一地区但来自三个不同品种的葡萄酒进行化学分析的结果，分析确定了三种酒中每种所含13种不同成分的数量。

        实验的目的就是利用分类算法实现Wine数据集中三种不同品种的葡萄酒分类。通过学习贝叶斯分类相关的知识，我们决定使用贝叶斯分类算法对Wine数据集进行分类。Wine数据集含有178个样本，我们将采用不同比例的训练集和测试集，并采用朴素贝叶斯分类算法实现Wine数据集的分类。实验过程所使用的编程软件为MATLAB仿真软件，利用MATLAB实现算法及分类。

• 二、实验内容

        对葡萄酒数据集运用朴素贝叶斯算法实现分类任务，并计算测试集准确率。

• 三、实验数据

   这些数据包括了三种酒中13中不同成分的数量。13种成分分别是：Alcohol、Malic acid、Ash、 Alkalinity of ash、Magnesium、Total phenols、Flavanoids 、Nonflavanoid phenols、Proanthocyanins、Color intensity、Hue、OD280/OD315 of diluted wines、Proline。在‘Wine.data’文件中，每一行代表一种酒的样本，共有178个样本；一共14列，其中第一列为类别标志属性，共有3类，分别标记为‘1’、‘2’、‘3’，对于三种不同的葡萄酒；后面13列为每一个样本对应属性的属性值；类别‘1’共有59个样本，类别‘2’共有71个样本，类别‘3’共有48个样本。

  由于数据集中每个样本的数据都是完整的，没有空缺值，所以没有对该数据集进行必要的数据清洗工作。

• 四、实验要求

1. 对程序作注。
2. 对训练样本和测试样本分别选取不同的比例进行实验，具体如下表所示：

组别	1	2	3	4	5	6	7	8
训练样本数	1/2