matlab贝叶斯分类（2）-10折10次交叉验证.zip

内含贝叶斯的代码，10次10折贝叶斯的代码，直接使用即可，还用相应的数据集样本，都可直接使用不需要修改。

clear;
clc;
ex=importdata（‘test.txt‘）;  %读入文件
X=ex.data;
[mn]=size（ex.textdata）;  %数据大小

Y=zeros（m）;
for i=1:m
    if strcmp（ex.textdata（i）‘L‘）==1
        Y（i）=1;
    elseif strcmp（ex.textdata（i）‘B‘）==1
        Y（i）=2;
    else Y（i）=3;
    end
end

%朴素贝叶斯算法实现分类问题（三类y=1y=2y=3）
%我们把所有数字序号末尾为1的留作测试集，其他未训练集
% m=625;   %样本总数
% m1=562;  %训练集样本数量
% m2=63;  %测试集样本数量

%10折10次交叉验证
indices = crossvalind（‘Kfold‘m10）; %产生10个fold，即indices里有等比例的1-10
accuracy = 0;
for i=1:10
    test=（indices==i）; %逻辑判断，每次循环选取一个fold作为测试集
    train=~test; %取test的补集作为训练集，即剩下的9个fold
    data_train=X（train:）; %以上得到的数都为逻辑值，用与样本集的选取
    label_train=Y（train:）; %label为样本类别标签，同样选取相应的训练集
    data_test=X（test:）; %同理选取测试集的样本和标签
    label_test=Y（test:）; 
    [l1l3] = size（label_train）;
    [l2l4] = size（label_test）;




    %三类样本数量分别记为count1count2count3
    count1=0;
    count2=0;
    count3=0;


    %count_1（ij）表示在第一类（y=1）的情况下，第i个属性是j的样本个数
    count_1=zeros（45）;
    %count_2（ij）表示在第二类（y=2）的情况下，第i个属性是j的样本个数
    count_2=zeros（45）;
    %count_3（ij）表示在第三类（y=3）的情况下，第i个属性是j的样本个数
    count_3=zeros（45）;


    ii=1;%用来标识测试集的序号


    for i=1:l1
            x=data_train（i:）;
            if label_train（i）==1 
                count1=count1+1;
                for j=1:4    %指示第j个属性
                    for k=1:5    %第j个属性为哪个值
                        if x（j）==k
                            count_1（jk）=count_1（jk）+1;
                            break;
                        end
                    end
                end
            elseif label_train（i）==2
                count2=count2+1;
                for j=1:4    %指示第j个属性
                    for k=1:5    %第j个属性为哪个值
                        if x（j）==k
                            count_2（jk）=count_2（jk）+1;
                            break;
                        end
                    end
                end
            else
                count3=count3+1;
                for j=1:4    %指示第j个属性
                    for k=1:5    %第j个属性为哪个值
                        if x（j）==k
                            count_3（jk）=count_3（jk）+1;
                            break;
                        end
                    end
                end
            end


        %分别计算三类概率y1=p（y=1）、y2=p（y=2）、y3=p（y=3）的估计值
        y1=count1/l1;
        y2=count2/l1;
        y3=count3/l1;


        %y_1（ij）表示在第一类（y=1）的情况下，第i个属性取值为j的概率估计值
        %y_2（ij）表示在第二类（y=2）的情况下，第i个属性取值为j的概率估计值
        %y_3（ij）表示在第三类（y=3）的情况下，第i个属性取值为j的概率估计值
        for i=1:4
            for j=1:5
                y_1（ij）=count_1（ij）/count1;
                y_2（ij）=count_2（ij）/count2;
                y_3（ij）=count_3（ij）/count3;
            end
        end
    end


    %做预测p1p2p3分别表示输入值xx为第1，2，3类的概率




    cc=0;   %用cc表示正确分类的样本
    for i=1:l2
        xx=data_test（i:）;
        yy=label_test（i）;
        p1=y1*y_1（1xx（1））*y_1（2xx（2））*y_1（3xx（3））*y_1

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        4149  2018-06-06 19:44  matlab贝叶斯分类（2）-10折10次交叉验证\Copy_of_beys.m
     文件        6873  2018-06-06 17:21  matlab贝叶斯分类（2）-10折10次交叉验证\test.txt
     目录           0  2019-11-02 09:49  matlab贝叶斯分类（2）-10折10次交叉验证\