朴素贝叶斯matlab实现(共7页)

1、clcclearclose alldata=importdata('data.txt');wholeData=data.data;%交叉验证选取训练集和测试集cv=cvpartition(size(wholeData,1),'holdout',0.04);%0.04表明测试数据集占总数据集的比例cvpartition(n,'holdout',p)创建一个随机分区，用于在n个观测值上进行保持验证。该分区将观察分为训练集和测试（或保持）集。参数p必须是标量，当0<p<1时，cvpartition为测试集随机选择大约p*n个观测值。当p是整

2、数时，cvpartition为测试集随机选择p个观测值。p的默认值是0.1trainData=wholeData(training(cv),:);testData=wholeData(test(cv),:);label=data.textdata;attributeNumber=size(trainData,2); size（A，2）：获取矩阵A的列数。attributeValueNumber=5;%将分类标签转化为数据（因为在分类数据集中有3个类别，分别是R、B、L所以将类别转换为数字）sampleNumber=size(label,1);labelData=zeros(sampleNumb

3、er,1);for i=1:sampleNumber（测试集的行数） if labeli,1='R' labelData(i,1)=1; elseif labeli,1='B' labelData(i,1)=2; else labelData(i,1)=3; endendtrainLabel=labelData(training(cv),:);trainSampleNumber=size(trainLabel,1);testLabel=labelData(test(cv),:);%计算每个分类的样本的概率labelProbability=tabulate(tra

4、inLabel);tabulate函数的功能是创建向量X信息数据频率表。其函数使用格式：tbl = tabulate(x)创建的TBL（数据频率表）的结构：第一列：x的唯一值 第二列：每个值的实例数量 第三列：每个值的百分比%P_yi,计算P(yi)P_y1=labelProbability(1,3)/100;（第一行，第三个元素）P_y2=labelProbability(2,3)/100;P_y3=labelProbability(3,3)/100;count_1=zeros(attributeNumber,attributeValueNumber);%count_1(i,j):

5、y=1情况下，第i个属性取j值的数量统计count_2=zeros(attributeNumber,attributeValueNumber);%count_1(i,j):y=2情况下，第i个属性取j值的数量统计count_3=zeros(attributeNumber,attributeValueNumber);%count_1(i,j):y=3情况下，第i个属性取j值的数量统计%统计每一个特征的每个取值的数量for jj=1:3 for j=1:trainSampleNumber for ii=1:attributeNumber for k=1:attributeValueNumber i

6、f jj=1 if trainLabel(j,1)=1&&trainData(j,ii)=k count_1(ii,k)=count_1(ii,k)+1; end elseif jj=2 if trainLabel(j,1)=2&&trainData(j,ii)=k count_2(ii,k)=count_2(ii,k)+1; end else if trainLabel(j,1)=3&&trainData(j,ii)=k count_3(ii,k)=count_3(ii,k)+1; end end end end endend%计算第i个属性取

7、j值的概率，P_a_y1是分类为y=1前提下取值，其他依次类推。P_a_y1=count_1./labelProbability(1,2);P_a_y2=count_2./labelProbability(2,2);P_a_y3=count_3./labelProbability(3,2);%使用测试集进行数据测试labelPredictNumber=zeros(3,1);predictLabel=zeros(size(testData,1),1);for kk=1:size(testData,1) testDataTemp=testData(kk,:); Pxy1=1; Pxy2=1; Px

8、y3=1; %计算P（x|yi） for iii=1:attributeNumber Pxy1=Pxy1*P_a_y1(iii,testDataTemp(iii); Pxy2=Pxy2*P_a_y2(iii,testDataTemp(iii); Pxy3=Pxy3*P_a_y3(iii,testDataTemp(iii); end %计算P(x|yi)*P(yi) PxyPy1=P_y1*Pxy1; PxyPy2=P_y2*Pxy2; PxyPy3=P_y3*Pxy3; if PxyPy1>PxyPy2&&PxyPy1>PxyPy3 predictLabel(kk,

9、1)=1; disp('this item belongs to No.',num2str(1),' label or the R label') labelPredictNumber(1,1)=labelPredictNumber(1,1)+1; elseif PxyPy2>PxyPy1&&PxyPy2>PxyPy3 predictLabel(kk,1)=2; labelPredictNumber(2,1)=labelPredictNumber(2,1)+1; disp('this item belongs to No.&#

10、39;,num2str(2),' label or the B label') elseif PxyPy3>PxyPy2&&PxyPy3>PxyPy1 predictLabel(kk,1)=3; labelPredictNumber(3,1)=labelPredictNumber(3,1)+1; disp('this item belongs to No.',num2str(3),' label or the L label') endendtestLabelCount=tabulate(testLabel);% 计算

11、混淆矩阵disp('the confusion matrix is : ')C_Bayes=confusionmat(testLabel,predictLabel) 89· 103以上部分就是针对于这个已有的数据集进行的算法的实现。· 结果与分析 C_Bayes是计算出来的混淆矩阵。 其结果为： C_Bayes=83000000148003000014为了验证该自编程序是否可靠，我再使用了Matlab自带的贝叶斯算法的函数fitcnb进行该数据的分类测试Nb=fitcnb(trainData,trainLabel);y_nb=Nb.predict(testData);C_nb=confusionmat(testLabel,y_nb)· 1· 2· 3· 4其中C_nb是采用自带函数得到的结果的混淆矩阵 其结果为： C_nb=83000000148003000014可以发现其结果是完全一样的。&