鸢尾花分类算法实现 java

使用的贝叶斯分类算法实现的，编程语言为java。是我本学期修的数据库与数据挖掘的课程的期末课程作业，算法本身不难，思路理清楚了很简单。

先看看鸢尾花（Iris）数据集（下图为数据集的部分截图），鸢尾花有setosa、Versicolor、Virginica3个类别，数据集中各个类别各50条数据，一共是150条数据记录，每条数据记录的前4个值分别表示鸢尾花的sepalLength、sepalWidth、petalLengthpetalWidth，第5个值是鸢尾花的类型。算法实现过程中将每个类别的前40条记录作为训练数据，进行分类模型的训练，每个类别的后10条数据作为测试数据，对分类模型的准确性进行判断。

算法基本思路：由概率论中先验概率与后验概率的转换公式

可以得到：

设C为鸢尾花类别，F1，F2，F3，F4表示鸢尾花的4个特征，由于

可见，分母与类别没有关系，在分类时不提供判别信息，不作考虑。因此，分类只与分子有关，，又假设F1，F2，F3，F4是相互独立，所以分子等价于：

由于都有P(C)项，所以可以就只计算

即计算各特征分别属于各类别的概率，然后相乘，值最大的则是那个相应的类别。

所以鸢尾花分类的思路为：先分别计算3个类别分别在4个特征上的均值和方差，然后构造相应的概率密度函数，在对测试数据集进行分类的时候，即求4个特征值分别属于类别1的概率然后相乘，属于类别2概率然后相乘，属于类别3的概率然后相乘，再比较这3个概率值的大小，哪个最大则相应的分类哪个类别。

代码涉及到鸢尾花类以及鸢尾花的类型类（鸢尾花类型定义枚举类型），数据的读取类（读取鸢尾花数据集），鸢尾花分类类和概率值的计算类，这里给出鸢尾花分类类的代码：

BayesClassify.java

package com.test;import java.io.IOException;import java.util.ArrayList;import java.util.List;import com.test.DataReader;import com.test.Iris;public class BayesClassify {static List<Iris> irisDataSet; //鸢尾花数据集static List<Iris> testDataSet;//测试数据集static List<Iris> trainingDataSet;//训练数据集public BayesClassify() {irisDataSet = new ArrayList<Iris>();testDataSet = new ArrayList<Iris>();trainingDataSet = new ArrayList<Iris>();}public static void main(String[] args) throws IOException {DataReader reader = new DataReader();BayesClassify bayes = new BayesClassify();irisDataSet = reader.getIrisData();//读取鸢尾花数据集                bayes.prepareTrainingData();//准备训练数据                Calculate calcu = new Calculate();                calcu.CalMV(trainingDataSet);//计算均值、方差                bayes.prepareTestData();//准备测试数据                int n = 0; //分类正确的个数                for(Iris i : testDataSet) {              String type = calcu.CalP(i.getSepalLength(), i.getSepalWidth(), i.getPetalLength(), i.getPetalWidth());//获得分类　　System.out.println("原本类别:"+i.getType().getLabel()+"---->最终分类为："+type);              if(type.equals(i.getType().getLabel())) {        n++;        }        }                //分类的准确率                System.out.println("分类的正确率："+(double)n/30);}public void prepareTrainingData() {if (irisDataSet.size() == 150) {trainingDataSet.addAll(irisDataSet.subList(0,40));//将Setosa的前40条加入训练集trainingDataSet.addAll(irisDataSet.subList(50,90));//将Versicolor的前40条加入训练集trainingDataSet.addAll(irisDataSet.subList(100,140));//将Virginica的前40条加入训练集}}public void prepareTestData() {if (irisDataSet.size() == 150) {testDataSet.addAll(irisDataSet.subList(40,50));//将Setosa的后10条加入测试集testDataSet.addAll(irisDataSet.subList(90,100));//将Versicolor的后10条加入测试集testDataSet.addAll(irisDataSet.subList(140,150));//将Virginica的后10条加入测试集}}}

运行结果：

从图上可以看出分类算法的准确率为76.7%