网站建设的基础知识,哪有做网站的 优帮云,棋牌网站制作价格,个人博客网页素材算法描述
#xff08;1#xff09;扫描训练样本数据集#xff0c;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#xff0c;构成统计表#xff1b; #xff08;2#xff09;计算先验概率和条件概率#xff0c;构成概率表…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MapString, ArrayListArrayListString datasOfClass(ArrayListArrayListString datas){MapString, ArrayListArrayListString map new HashMapString, ArrayListArrayListString();ArrayListString 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 {ArrayListArrayListString nt new ArrayListArrayListString();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(ArrayListArrayListString datas, ArrayListString testT) {MapString, ArrayListArrayListString doc this.datasOfClass(datas);//将训练集元素划分保存在数据里Object classes[] doc.keySet().toArray();double maxP 0.00;int maxPIndex -1;//testT的各个属性在结果集里面出现的概率相乘最高的即使结果集for (int i 0; i doc.size(); i) {String c classes[i].toString();ArrayListArrayListString d doc.get(c);BigDecimal b1 new BigDecimal(Double.toString(d.size()));BigDecimal b2 new BigDecimal(Double.toString(datas.size()));//b1除以b2得到一个精度为3的双浮点数double pOfC b1.divide(b2,10,BigDecimal.ROUND_HALF_UP).doubleValue();for (int j 0; j testT.size(); j) {double pv this.pOfV(d, testT.get(j), j);if(pv0) pv1/(double)d.size();BigDecimal b3 new BigDecimal(Double.toString(pOfC));BigDecimal b4 new BigDecimal(Double.toString(pv));//b3乘以b4得到一个浮点数pOfCb3.multiply(b4).doubleValue();}if(pOfC maxP){maxP pOfC;maxPIndex i;}}return classes[maxPIndex].toString();}// 计算指定属性到训练集出现的频率private double pOfV(ArrayListArrayListString d, String value, int index) {double p 0.00;int count 0;int total d.size();for (int i 0; i total; i) {if(Double.parseDouble(d.get(i).get(index))Double.parseDouble(value)){count;}}BigDecimal b1 new BigDecimal(Double.toString(count));BigDecimal b2 new BigDecimal(Double.toString(total));//b1除以b2得到一个精度为3的双浮点数p b1.divide(b2,10,BigDecimal.ROUND_HALF_UP).doubleValue();return p;}
}public class TestBayes {static String res;//读取测试元组public ArrayListString readTestData(String string) throws IOException{ArrayListString candAttr new ArrayListString();String str ;str string;//string分析器String[] tokenizer str.split(,);for(int i0;itokenizer.length-1;i){candAttr.add(tokenizer[i]);}restokenizer[tokenizer.length-1];return candAttr;}//读取训练集public ArrayListArrayListString readData() throws IOException {ArrayListArrayListString listnew ArrayList();try { // 防止文件建立或读取失败用catch捕捉错误并打印也可以throw/* 读入TXT文件 */File filename new File(src/bp/trainBayes.txt); // 要读取以上路径的input。txt文件InputStreamReader reader new InputStreamReader(new FileInputStream(filename)); // 建立一个输入流对象readerBufferedReader br new BufferedReader(reader); // 建立一个对象它把文件内容转成计算机能读懂的语言String line ;line br.readLine();while (line ! null) {String[] templine.split(,);ArrayListString arrayList new ArrayList(Arrays.asList(temp));list.add(arrayList);line br.readLine();}} catch (Exception e) {e.printStackTrace();}return list;}public static ListString readTxt(String fileName){ListString listnew ArrayList();try { // 防止文件建立或读取失败用catch捕捉错误并打印也可以throw/* 读入TXT文件 */File filename new File(fileName); // 要读取以上路径的input。txt文件InputStreamReader reader new InputStreamReader(new FileInputStream(filename)); // 建立一个输入流对象readerBufferedReader br new BufferedReader(reader); // 建立一个对象它把文件内容转成计算机能读懂的语言String line ;line br.readLine();while (line ! null) {if(line.length()0){list.add(line);}line br.readLine();}} catch (Exception e) {e.printStackTrace();}return list;}public static void main(String[] args) {TestBayes tb new TestBayes();int righr0,total;ArrayListArrayListString datas null;ArrayListString testT null;Bayes bayes new Bayes();try {datas tb.readData();List String l readTxt(src/bp/testBayes.txt);for(String c:l) {testT tb.readTestData(c);String k bayes.predictClass(datas, testT);if(k.equals(res))righr;}double re(double) righr/(double)l.size();System.out.println(测试集的数量 (new Double(l.size())).intValue());System.out.println(分类正确的数量(new Double(righr)).intValue());System.out.println(算法的分类正确率为 re);} catch (IOException e) {e.printStackTrace();}}
}
