贝叶斯高斯分类作业

一个简单的贝叶斯高斯分类的作业,用matlab编写，入门用

%读入训练集
clear all;
close all;
clc

D=load（‘data2.txt‘）;

%计算初始EM的初始参数值
%  G 为类别数
% class（1，G） 为类别集 class（1i）第i类的类标
%  D 训练集 D为m*n，
class=[012];
G=3;
a=zeros（1G）;
% GG 为3维类别矩阵
[m n]=size（D）;
data=D（:1:n-1）;
%GG1=[];
%GG2=[];
%GG3=[];
GG=zeros（mn-1G）;
k=zeros（1G）;
for i=1:m
    for j=1:G
        if D（in）==class（1j）
              k（1j）=k（1j）+1;         %数据类别归类
            GG（k（1j）:j）=data（i:）;
           break;
            %k（1j）=k（1j）+1;
        end
    end
end


%====================先验概率p（ci）
%初始化ai
mi=zeros（1G）;
for i=1:G
%     [mmnn]=size（GG（::i））;
%     mi（1i）=mm-1;
%     a（1i）= mi（1i）/m;
 mi（1i）=k（1i）;
 a（1i）= mi（1i）/m;     
end

%===================求均值
%初始化Ui
U=zeros（Gn-1）;
 for i=1:G
   for j=1:mi（1i）
       U（i:）=U（i:）+GG（j:i）;
   end
     U（i:）=U（i:）/mi（1i）;
 end
    %==或者
    %  uu1=mean（GG（1:k（11）:1））;   y=GG（1:k（11）:1）;    是一个42*40 的矩阵，
    %  k（11）表示的是第一类的行数 %  均值是1*40的矩阵 1:k（11） 
    %  uu2=mean（GG（1:k（12）:2））;
    %  uu3=mean（GG（1:k（13）:3））;
    %  uu=[uu1;uu2;uu3];
 
%==========================初始化协方差 Cg （矩阵） 
C=zeros（n-1n-1G）;
for i=1:G
    for j=1:mi（1i）
        C（::i）=C（::i）+（GG（j:i）- U（i:））‘*（GG（j:i）- U（i:））;   %   行*列数 为属性个数40*40
    end
    C（::i）=C（::i）/mi（1i）;
end



%参数已确定，进行类别判断

%读入测试集
test=load（‘testdata.txt‘）;
testdata=test（:1:n-1）;
[mtestntest]=size（testdata）;
class_p=zeros（Gmtest）;

 
 
   
    for i=1:G
        for j=1:mtest
            for kk=1:G    
           class_p（ij）=class_p（ij）+a（1kk）*GaoSi_probability（U（kk:）‘C（::kk）testdata（j:）‘）;    %分母： 对i有3个类别值进行求和p（ci）p（testdata（j:）‘|ci）
            end
             class_p（ij）=a（1i）*GaoSi_probability（U（i:）‘C（::i）testdata（j:）‘）/class_p（ij）;  % p（ci|testdata（j:）‘）
        end
    end
   
forecast_class=zeros（mtest1）;
for i=1:mtest
   guodu=find（class_p（:i）==max（class_p（:i）））;  %找到p（ci|testdata（j:）‘）中的最大一个的位置
   forecast_class（i1）=class（guodu（11））;     %class=[0 1 2];
end
resultdata=[testdata forecast_class（:1）];

%计算准确率
correct_probability=0;
    
for i=1:mtest
    if test（in）==forecast_class（i1）
        correct_probability=correct_probability+1;
    end
end

correct_probability=correct_probability/mtest

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2480  2011-12-05 11:18  bayes\byes.m

     文件      99838  2011-07-25 16:30  bayes\data.txt

     文件      45998  2011-07-25 16:30  bayes\data1.txt

     文件      28078  2011-07-25 16:30  bayes\data2.txt

     文件        416  2011-12-05 11:47  bayes\GaoSi_probability.m

     文件     138375  2011-07-25 16:30  bayes\testdata.txt

     文件     131535  2011-07-25 16:30  bayes\undata.txt

     目录          0  2011-12-23 11:07  bayes

----------- ---------  ---------- -----  ----

               446720                    8