数据挖掘算法学习(三)NaiveBayes算法
2015-03-24 22:56
113 查看
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
•分类web网页
•分类文本
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
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
•分类web网页
•分类文本
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
相关文章推荐
- 数据挖掘算法学习(三)NaiveBayes算法
- 数据挖掘算法学习(三)NaiveBayes算法
- 数据挖掘算法学习(三)NaiveBayes算法
- 数据挖掘十大经典算法学习之K均值(K-means)聚类算法
- 数据挖掘算法学习(一)K-Means算法
- 数据挖掘常见算法思想对比学习
- 数据挖掘算法学习(一)K-Means算法
- 数据挖掘-关联规则挖掘理论和算法学习笔记
- 数据挖掘学习札记:KNN算法(一)
- 数据挖掘算法学习(八)Adaboost算法
- 机器学习与数据挖掘-K最近邻(KNN)算法的实现(java和python版)
- 数据挖掘算法学习(一)K-Means算法
- 数据挖掘学习札记:KNN算法(一)
- 数据挖掘学习札记:KNN算法(三)
- 数据挖掘十大经典算法学习之Naive Bayes朴素贝叶斯
- 数据挖掘十大经典算法学习之Adaboost自适应增强学习算法
- 数据挖掘之导引(学习数据挖掘算法的组件化思想)
- 数据挖掘算法学习(五)C4.5算法
- 数据挖掘十大经典算法学习之Adaboost自适应增强学习算法
- 数据挖掘学习笔记——十大算法之决策树算法、逻辑回归概述