实验目的：
（1） 熟悉 VC++编程工具和朴素贝叶斯决策算法。（2） 对 AllElectronics 顾客数据库查询得到先验概率和类条件概率。（3） 在样本集上用 VC++编程工具编写用朴素贝叶斯算法分类的程序，对任务相关数据运行朴素贝叶斯分类算法，调试实验。（4） 写出实验报告
二、 实验原理：
1 1 、 先验概率和类条件概率
先验概率：先验概率定义为训练样本集中属于 C i 类的样本（元组）数 N i 与
总样本数 N 之比，记为
。
类条件概率：类条件概率定义为训练样本集中属于 C i 类中的具有特征 X 的
样本（元组）的个数 n i 与属于 C i 类的样本（元组）数 N i 之比，记为
。
2 2 、 贝叶斯决策
贝叶斯决策（分类）法将样本（元组）分到 C i 类，当且仅当
其中，训练样本集中的样本（元组）可被分为 m 类。
三、 实验内容：
1.实验内容
用贝叶斯分类器对已知的特征向量 X 分类：
1）由 AllElectronics 顾客数据库类标记的训练样本集（元组）编程计算先验概率 P(Ci)和类条件概率 P(X|Ci)，并在实验报告中指出关键代码的功能和实现方法；
2）应用贝叶斯分类法编程对特征向量 X 分类，并在实验报告中指出关键程序片段的功能和实现方法；
3）用检验样本估计分类错误率；
4）在实验报告中画出程序或例程的程序框图。
2.实验步骤
由于该分类问题是决定顾客是否倾向于购买计算机，即 C1 对应于
buys_computer=yes，C2 对应于 buys_computer=no，是两类的分类问题。
实验步骤如下：
1）确定特征属性及划分：浏览所给的数据库，找出划分的特征属性；
2）获取训练样本：即给定的 AllElectronics 顾客数据库类标记的训练样本集（元组）；
3）计算训练样本中每个类别的先验概率：P(Ci)，i=1，2；
4）计算训练样本中类条件概率：设特征（属性）向量为 X，编程计算类条件概率 P(X|Ci)，i=1，2；
5）使用分类器进行分类；
3.程序框图
关键代码
#include
#include
#include
#include
using namespace std;
class Date //存储结构
{
public:
string age;
string income;
string student;
string credit;
string buy;
void print()
{
cout << age<< " "<< income << " "< } }; void compare_date_plus(string date,string indate,string buy,int& tempy,int& tempn) { if(date==indate&&buy=="yes") {tempy++;} if(date==indate&&buy=="no") {tempn++;} } int main() { char name1[50]="date.txt"; //读取数据并保存 ifstream infile; cout<<"要打开的文件为：date.txt"< infile.open(name1,ios::in); if(infile.fail()) { cout << "error open!"<< endl; exit(1); } Date date[100]; int datesize=0; string iage, iincome,istudent,icredit,ibuy; //输入的条件 int y=0,n=0,agey=0,agen=0; int incomey = 0,incomen =0,studenty = 0,studentn = 0,credity = 0,creditn=0; //统计出现的条件概率和类条件概率 float p1,p2,p3,p4,p5,p6,p7,p8,p9,p10,px1,px2,px3,px4; cout<<"the date is as follow:"< cout << "age "<<"income "<<"student "<<"credit "<<"buy "< while(!infile.eof()) { infile >> date[datesize].age >> date[datesize].income >> date[datesize].student>> date[datesize].credit>> date[datesize].buy; date[datesize].print();//输出要处理的数据 datesize++; } //条件概率 for(int j = 0;j { int temp=date[j].buy=="yes"?y++:n++; } p1 = (float)y/(float)datesize; p2 = (float)n/(float)datesize; cout<<"P(buys_computer = yes) = "< cout<<"age"<<'\t'<<"income"<<'\t'<<"student"<<'\t'<<"credit"< cin>>iage>>iincome>>istudent>>icredit; for(int k = 0;k { compare_date_plus(date[k].age,iage,date[k].buy,agey,agen); compare_date_plus(date[k].income,iincome,date[k].buy,incomey,incomen); compare_date_plus(date[k].student,istudent,date[k].buy,studenty,studentn); compare_date_plus(date[k].credit,icredit,date[k].buy,credity,creditn); } p3=(float)agey/(float)y; p4=(float)agen/(float)n; p5=(float)incomey/(float)y; p6=(float)incomen/(float)n; p7=(float)studenty/(float)y; p8=(float)studentn/(float)n; p9=(float)credity/(float)y; p10=(float)creditn/(float)n; px1=p3*p5*p7*p9; px2=p4*p6*p8*p10; px3=px1*p1; px4=px2*p2; cout<<"P(age = "< cout<<"P(X|buy = no) = "< cout<<"P(X|buy = yes)P(buy = yes) = "< cout<<"P(X|buy = no)P(buy = no) = "< if(px3>px4)//得到结果 cout<<"朴素贝叶斯预测buy = yes"< else cout<<"朴素贝叶斯预测buy =no"< infile.close();//关闭文件 system( "PAUSE "); } 四、 实验结果： 1.实验数据 处理结果 （基于数据文件对输入数据进行分析）输入数据，程序根据贝叶斯决策分类算法来判断顾客是否倾向于购买计算机。 3. 实验结论 贝叶斯决策分类算法基于概率已知或计算可得的情况下，对于给定的数据集，通过联合概率分布，获得结果，速度快，算法简洁，分类稳定性较高。 精彩链接
您阅读本篇文章共花了：
发表评论