样本连续的朴素贝叶斯代码

样本基于正态分布的朴素贝叶斯分类器，实测可用，内含数据

%------------------------------------------------------------
% NaiveBayesian Classification
%-----------------------------------------------------------
% Parameter:
%  k: Number of Cluster;

clear all
close all


k = 3;
attribute = 4;

%------------------------------------------------------
load iris_tr;
Y= IRIS_training_data;
clear IRIS_training_data
%---------------------------------------------------------
% Learning process
%------------------------------ Calculating  P（Ci）
[nrnc] = size（Y）;  75*7
for i= 1:1:k         k=3
    pc（i） = sum（Y（: attribute+i））/nr;
end
%--------------------------------------------------------------------
% Calculating Mean and Standard Error for each Class and Attribute 
%----------------------------------------------------------------------
for i = 1:1:k
    t = 1;
    for j = 1:1:nr
        if Y（j attribute+i） == 1
            x（t:） = Y（j 1:attribute）;
            t = t+1;
        end
    end
    mu（i:）  = mean（x）;
    xigma（i:） = std（x）;
    clear x
end
%-----------------------------------------------------------------
%----------------------------------------------------------------
% Testing process
%----------------------------------------------------------------
% Load test data set
%--------------------------------------------
load iris_te;
X= IRIS_testing_data;
clear IRIS_testing_data

% load iris_tr;
% X= IRIS_training_data;
% clear IRIS_training_data
%----------------------------------------------
[xrxc] = size（X）;

Correct = 0;
for i = 1:1:xr
%--------------------------------------------------------------
% Calculating P（xi | Ci） for given data X（i:）
%-------------------------------------------------------------
    for p = 1:1:k
        for j = 1:1:attribute
            temp1 = -（X（ij） - mu（p j））^2 / （2 * xigma（pj）^2）;
            temp2 = 1/ （sqrt（2*pi） * xigma（p j））;
            pxc（pj） = temp2 * exp（temp1）;
        end
    end
%--------------------------------------------------------------
% Calculating P（X| Ci）*P（Ci） for given data X（i:）; 
%  and assign  X（i:） into a Class.
%-------------------------------------------------------------   
    pxcc = ones（1k）;
    p_min = -1;
    for p = 1:1:k
        for j = 1:1:attribute
            pxcc（p） = pxcc（p） * pxc（pj）;
        end
        pxcc（p） = pxcc（p） * pc（p）
        
%         if pxcc（p） > p_min
%             p_min = pxcc（p）;
%             class = p;
%         end
    end
    
%     class_label（i） = class;
%--------------------------------------------------------------
% Calculating Calssification Precision 
%-------------------------------------------------------------    
%     if X（iattribute+class） == 1
%         Correct = Correct + 1;
%     end
end
    
% Precision = Correct/xr
% Err = xr - Correct

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        4408  2003-05-19 19:08  样本连续的朴素贝叶斯代码\iris_te.mat
     文件        4408  2003-05-19 19:08  样本连续的朴素贝叶斯代码\iris_tr.mat
     文件        3272  2018-03-09 15:58  样本连续的朴素贝叶斯代码\matlab.mat
     文件        2866  2018-03-09 15:56  样本连续的朴素贝叶斯代码\naivebayes.m