lab02.rar

lab02.rar

load ‘iris.csv‘;
training_set = [iris（1:ceil（50*2/3）:）; iris（51:50 + ceil（50*2/3）:）; iris（101:100 + ceil（50*2/3）:）];%取每类的前2/3作为训练集
test_set = [iris（ceil（50*2/3） + 1:50:）; iris（51 + ceil（50*2/3）:100:）; iris（101 + ceil（50*2/3）:150:）];%取每类的后1/3作为测试集
class1 = test_set（:5）;%记录类标
test_set（:5） = 0;

rows1 = find（training_set（:5） == 1）;
meanValue1 = mean（training_set（rows11:4））;
stdValue1 = std（training_set（rows11:4））;
rows2 = find（training_set（:5） == 2）;
meanValue2 = mean（training_set（rows21:4））;
stdValue2 = std（training_set（rows21:4））;
rows3 = find（training_set（:5） == 3）;
meanValue3 = mean（training_set（rows31:4））;
stdValue3 = std（training_set（rows31:4））;

pClass1 = size（rows11） / size（training_set1）;
pClass2 = size（rows21） / size（training_set1）;
pClass3 = size（rows31） / size（training_set1）;

for i = 1:size（test_set1）
    attribute = zeros（14）;
    pAttributeClass = zeros（43）;
    for j = 1:4
        attribute（j） = test_set（ij）;
        pAttributeClass（j1） = 1/（sqrt（2*pi）*stdValue1（j）） * exp（-（attribute（j） - meanValue1（j））^2 / （2*stdValue1（j）^2））;
        pAttributeClass（j2） = 1/（sqrt（2*pi）*stdValue2（j）） * exp（-（attribute（j） - meanValue2（j））^2 / （2*stdValue2（j）^2））;
        pAttributeClass（j3） = 1/（sqrt（2*pi）*stdValue3（j）） * exp（-（attribute（j） - meanValue3（j））^2 / （2*stdValue3（j）^2））;
    end
    %各分类，整个属性集的条件概率
    pXC1 = 1;
    pXC2 = 1;
    pXC3 = 1;
    for j = 1:4
        pXC1 = pXC1 * pAttributeClass（j1）;
        pXC2 = pXC2 * pAttributeClass（j2）;
        pXC3 = pXC3 * pAttributeClass（j3）;
    end
    if （max（[pXC1*pClass1 pXC2*pClass2 pXC3*pClass3]） == pXC1*pClass1）
        test_set（i5） = 1;
        fprintf（‘#%d test example: class is 1\n‘i）;
    elseif （max（[pXC1*pClass1 pXC2*pClass2 pXC3*pClass3]） == pXC2*pClass2）
        test_set（i5） = 2;
        fprintf（‘#%d test example: class is 2\n‘i）;
    else
        test_set（i5） = 3;
        fprintf（‘#%d test example: class is 3\n‘i）;
    end
end
accurateNum = 0;
    for i = 1:size（class11）
        if （test_set（i5） == class1（i））
            accurateNum = accurateNum + 1;
        end
    end
    accuracy = accurateNum / size（class11）;
    fprintf（‘朴素贝叶斯算法：%f\n‘accuracy）;

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

     文件       2708  2010-03-22 14:39  iris.csv

     文件       2299  2011-04-14 23:49  Bayes.m

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

                 5007                    2