java - 朴素贝叶斯

由于在网上找的bayes的源码都是基于应用的，本人才疏学浅，看不太懂，自己花了2天时间写了个粗糙的代码（基于李航那本书的例子），由于只是初学，若有错误，请指出，大家一起学习！

  1 import java.io.BufferedReader;
  2 import java.io.File;
  3 import java.io.FileNotFoundException;
  4 import java.io.FileReader;
  5 import java.io.IOException;
  6 import java.util.ArrayList;
  7 import java.util.HashMap;
  8 import java.util.List;
  9 import java.util.Map;
 10
 11 public class Bayes {
 12     public static void main(String[] args){
 13         List<List<String>> filelist = new ArrayList<List<String>>();
 14         Map<String,Double> prioriP = new HashMap<String,Double>();
 15         Map<String,Integer> prioriNo = new HashMap<String,Integer>();
 16         Map<String,Double> result = new HashMap<String,Double>();
 17         String s1 = "D://1.txt";
 18         String s2 = "D://2.txt";
 19         filelist = read(filelist,s1);
 20         prioriP = computepirior(filelist,prioriP,prioriNo);
 21         List<List<String>> testlist = new ArrayList<List<String>>();
 22         testlist = read(testlist,s2);
 23         result = decide(prioriP,filelist,testlist,prioriNo);
 24         print(result,testlist);
 25     }
 26     //第4步、打印结构
 27     private static void print(Map<String, Double> result,List<List<String>> testlist) {
 28         System.out.print("测试数据:" + "   ");
 29         for(int i=0;i<testlist.size();i++){
 30             System.out.print("特征" + (i+1) +" :");
 31             for(int j=0;j<testlist.get(i).size();j++){
 32                 System.out.print(testlist.get(i).get(j) + "   ");
 33             }
 34         }
 35         System.out.print("所属类别：" + result.keySet().iterator().next());
 36     }
 37     //第3.1步、把元数据根据所属类别分开处理
 38     private static Map<String, Double> decide(Map<String, Double> prioriP, List<List<String>> filelist, List<List<String>> testlist, Map<String, Integer> prioriNo) {
 39         List<Map<String,Integer>> map = new ArrayList<Map<String,Integer>>();
 40         List<List<List<String>>> fc = new ArrayList<List<List<String>>>();
 41
 42         for(Map.Entry<String, Integer> entry : prioriNo.entrySet()){
 43             List<List<String>> filecopy = new ArrayList<List<String>>();
 44             for(int i=0;i<filelist.size();i++){
 45                 List<String> list = new ArrayList<String>();
 46                 for(int j=0;j<filelist.get(i).size();j++){
 47                     if(filelist.get(filelist.size()-1).get(j).equals(entry.getKey())){
 48                         list.add(filelist.get(i).get(j));
 49                     }
 50                 }
 51                 filecopy.add(list);
 52             }
 53             fc.add(filecopy);
 54         }
 55
 56         //有几组测试数据，本来想实现的是测试数据是多对，自己写不出来，这段代码有待改进
 57         //第3.2步、测试数据在条件下出现的次数
 58         List<Map<String,Integer>> l = new ArrayList<Map<String,Integer>>();
 59         for(int i=0;i<fc.size();i++){
 60             Map<String,Integer> mapdecide = new HashMap<String,Integer>();
 61             for(int k=0;k<fc.get(i).size()-1;k++){
 62                 for(int j=0;j<fc.get(i).get(k).size();j++){                                //需要和元数据比较的次数
 63                     if(testlist.get(k).get(0).equals(fc.get(i).get(k).get(j))){
 64                         if(mapdecide.containsKey(testlist.get(k).get(0))){
 65                             mapdecide.put(testlist.get(k).get(0), mapdecide.get(testlist.get(k).get(0)) + 1);
 66                         }
 67                         else{
 68                             mapdecide.put(testlist.get(k).get(0), 1);
 69                         }
 70                     }
 71                 }
 72             }
 73             l.add(mapdecide);
 74         }
 75
 76         //第3.3步、求后验概率，并比较哪个类别的概率大即所属类别
 77         Map<String,Double> m = new HashMap<String,Double>();
 78         for(int i=0;i<l.size();i++){
 79             double d = 1.0;
 80             for(Map.Entry<String, Integer> entry : l.get(i).entrySet()){
 81                 d *= (entry.getValue()/(double)fc.get(i).get(fc.get(i).size()-1).size());
 82             }
 83             m.put(fc.get(i).get(fc.get(i).size()-1).get(0), prioriP.get(fc.get(i).get(fc.get(i).size()-1).get(0)) * d);
 84         }
 85
 86         Double max = 0.0;
 87         for(Map.Entry<String, Double> e : m.entrySet()){
 88             if(max <= e.getValue()){
 89                 max = e.getValue();
 90             }
 91         }
 92
 93         Map<String,Double> result = new HashMap<String,Double>();
 94         for(Map.Entry<String, Double> e:m.entrySet()){
 95             if(max == e.getValue()){
 96                 result.put(e.getKey(), e.getValue());
 97             }
 98         }
 99         return result;
100     }
101
102     //第2步、求先验概率
103     private static Map<String, Double> computepirior(List<List<String>> list, Map<String, Double> prioriP, Map<String, Integer> m) {
104
105         for(int i=0;i<list.get(list.size()-1).size();i++){
106             if(m.containsKey(list.get(list.size()-1).get(i))){
107                 m.put(list.get(list.size()-1).get(i),m.get(list.get(list.size()-1).get(i)) + 1);
108             }
109             else{
110                 m.put(list.get(list.size()-1).get(i),1);
111             }
112         }
113         for (Map.Entry<String,Integer> entry : m.entrySet()) {
114             prioriP.put(entry.getKey(),(entry.getValue()/(double)list.get(list.size()-1).size()));
115         }
116         return prioriP;
117     }
118     //第1步、读取测试数据和训练数据
119     private static List<List<String>> read(List<List<String>> list, String sread) {
120         try {
121             FileReader fr = new FileReader(new File(sread));
122             BufferedReader br = new BufferedReader(fr);
123             String string = br.readLine();
124             while(string != null){
125                 List<String> l = new ArrayList<String>();
126                 String[] str = string.split(" ");
127                 for (String s : str) {
128                     l.add(s);
129                 }
130                 list.add(l);
131                 string = br.readLine();
132             }
133         } catch (FileNotFoundException e) {
134             e.printStackTrace();
135         } catch (IOException e) {
136             e.printStackTrace();
137         }
138         return list;
139     }
140 }

训练数据：

1 1 1 1 1 2 2 2 2 2 3 3 3 3 3
S M M S S S M M L L L M M L L
-1 -1 1 1 -1 -1 -1 1 1 1 1 1 1 1 -1

测试数据

实现结果：

测试数据: 特征1 :2 特征2 :S 所属类别：-1

转载于:https://www.cnblogs.com/wn19910213/p/3329590.html

java - 朴素贝叶斯相关推荐

java 朴素贝叶斯_朴素贝叶斯分类器和一般的贝叶斯分类器有什么区别？
我根据自己理解,给出朴素贝叶斯分类算法的核心,在里面会有通俗详细的解释,希望对你有帮助~ 贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类.而朴素朴素贝叶斯分类是贝叶斯 ...
java mllib 算法_朴素贝叶斯算法原理及Spark MLlib实例(Scala/Java/Python)
朴素贝叶斯算法介绍: 朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法. 朴素贝叶斯的思想基础是这样的:对于给出的待分类项,求解在此项出现的条件下各个类别出现的概率,在没有其它可用信息下,我 ...
朴素贝叶斯算法实现 | Java | 机器学习 | 贝叶斯
做的一个结课作业,用Java实现了朴素贝叶斯算法关于贝叶斯算法可以参考西瓜书.贝叶斯分类器-华校专设计思路创建数据类.朴素贝叶斯算法类和验证模型的类. 数据类DataFrame,用来加载和存储数 ...
基于朴素贝叶斯的垃圾邮件分类器Java实现和讲解
朴素贝叶斯算法最典型的应用就是垃圾邮件的识别,在数据量非常大的情况下,识别的正确率可以达到接近100%,同时实现起来思路并不复杂.本文介绍的就是基于朴素贝叶斯算法的垃圾邮件识别的实现.如果之前对贝叶斯 ...
java naive方法_朴素贝叶斯方法（Naive Bayes Method）
朴素贝叶斯是一种很简单的分类方法,之所以称之为朴素,是因为它有着非常强的前提条件-其所有特征都是相互独立的,是一种典型的生成学习算法.所谓生成学习算法,是指由训练数据学习联合概率分布P(X,Y),然后 ...
Java实现基于朴素贝叶斯的情感词分析
朴素贝叶斯(Naive Bayesian)是一种基于贝叶斯定理和特征条件独立假设的分类方法,它是基于概率论的一种有监督学习方法,被广泛应用于自然语言处理,并在机器学习领域中占据了非常重要的地位.在之前 ...
java spark 朴素贝叶斯算法(naive-bayes)
配置配置请看我的其他文章点击跳转 spark官方文档点击跳转官方文档其它文章推荐一个在蚂蚁做算法的人写的文章,不过他的文章偏专业化,有很多数学学公式.我是看的比较懵.点击跳转数据训练数据 ...
离线轻量级大数据平台Spark之MLib机器学习库朴素贝叶斯实例
1.朴素贝叶斯介绍表示事件B已经发生的前提下,事件A发生的概率,叫做事件B发生下事件A的条件概率,公式为: 贝叶斯定理: 从已知P(A|B)获得P(B|A)值. 假设A和B代表两类互相影响的事件,如 ...
使用说明 vector_Paddlepaddle学习|Ubuntu环境使用 Mahout 进行朴素贝叶斯模型的训练和测试...
朴素贝叶斯算法是基于贝叶斯定理与特征条件独立假设的分类方法.分类是将一个未知样本分到几个预先已知类的过程.解决数据分类问题有两步:第一步, 建立一个模型,描述预先的数据集或概念集,通过分析由属性描述 ...

java - 朴素贝叶斯

java - 朴素贝叶斯相关推荐

最新文章

热门文章