数据挖掘算法学习(三)NaiveBayes算法
来源:互联网 发布:手机啤酒软件 编辑:程序博客网 时间:2024/06/10 21:00
算法简介
NBC是应用最广的分类算法之一。朴素贝叶斯模型发源于古典数学理论,有着坚实的数学基础,以及稳定的分类效率。同时,NBC模型所需估计的参数很少,对缺失数据不太敏感,算法也比较简单。
算法假设给定目标值时属性之间互相条件独立。
算法输入
训练数据 T={(x1,y1),(x2,y2),……,(xn,yn)}待分类数据x0=(x0(1),x0(2),……,x0(n))T
算法输出
待分类数据x0的分类结果y0∈{c1,c2,……,ck}
算法思想
weka运行
以weather.nominal.arff为例运行结果部分截图如下:
从结果中可以看出,有两个分类,因此生成一个2*2的混淆矩阵。
函数调用代码
//读入样本
Filefile= new File("F:\\Program Files (x86)\\Weka-3-7\\data\\weather.nominal.arff");
ArffLoaderloader = newArffLoader();
loader.setFile(file);
ins= loader.getDataSet();
ins.setClassIndex(ins.numAttributes()-1);
//初始化分类器并训练
cfs= (Classifier)Class.forName("weka.classifiers.bayes.NaiveBayes").newInstance();
cfs.buildClassifier(ins);
//获取分类器结果
testingEvaluation.evaluateModelOnceAndRecordPrediction(cfs,testInst);
//打印分类结果
System.out.println("分类器的正确率:"+ (1-testingEvaluation.errorRate()));
运行结果如下:
分类器的正确率:0.9583333333333334
算法应用
垃圾邮件过滤系统可以参考论文:周威成 马素霞 齐林海,一种基于机器学习的垃圾邮件智能过滤方法。
转载请附上链接http://blog.csdn.net/iemyxie/article/details/38224753
- 数据挖掘算法学习(三)NaiveBayes算法
- 数据挖掘算法学习(三)NaiveBayes算法
- 数据挖掘(Python)——利用sklearn进行数据挖掘,实现算法:svm、knn、C5.0、NaiveBayes
- 机器学习实战(三)——NaiveBayes朴素贝叶斯算法邮件分类
- 数据挖掘学习札记:KNN算法(三)
- 数据挖掘算法(三)--logistic回归
- 【数据挖掘】算法学习笔记
- 机器学习&数据挖掘算法
- 【数据挖掘算法】KNN学习
- 朴素贝叶斯(NaiveBayes)算法总结
- 朴素贝叶斯(NaiveBayes)算法总结
- 朴素贝叶斯(NaiveBayes)算法总结
- KNN & NaiveBayes 分类算法
- 数据挖掘算法学习(一)K-Means算法
- 数据挖掘算法学习(四)PCA算法
- 数据挖掘算法学习(五)C4.5算法
- 数据挖掘算法学习(六)CART算法
- 数据挖掘算法学习(七)SVM算法
- 数据挖掘算法学习(二)weka简介
- 105-使用GData进行DOM解析XML的时候,最初编译会报错,解决办法
- Android Paint、Canvas、Matrix使用讲解(一、Paint)
- AngularJS radio单选按钮
- C++为什么不加入垃圾回收机制
- 数据挖掘算法学习(三)NaiveBayes算法
- ios xmpp研究探索:发送文本消息
- pthread_cond_signal与pthread_cond_wait详解
- U盘安装Ubuntu系统[Errno 5] Input/output error
- 第七章 tcp发送(传输层)--基于Linux3.10
- java中的Collection
- Android 一个绚丽的loading动效分析与实现!
- 数据挖掘算法学习(四)PCA算法
- 106-最全的常用正则表达式大全——包括校验数字、字符、一些特殊的需求等等