1、Accord.IO/ExcelReader.cs读取excel文件,源码如下:
https://github.com/accord-net/framework/blob/792015d0e2ee250228dfafb99ea0e84d031a29ae/Sources/Accord.IO/ExcelReader.cs
2、绘制数据

Imports Accord.Controls
Imports Accord.IO
Imports Accord.Math
Imports Accord.Statistics.Distributions.Univariate
Imports Accord.MachineLearning.Bayes
Imports SystemPublic Class Form1'贝叶斯分类'使用Accord.IO里的的excel读取类Dim table As DataTable = New ExcelReader("E:\pro\books\AI_.net\src\AI_learn\learnai-1\data\examples.xls").GetWorksheet("Classification - Yin Yang")Private Sub Button1_Click(sender As Object, e As EventArgs) Handles Button1.Click'读取样本' 转换datatable为输入输出数组Dim inputs As Double()() = table.ToJagged(Of Double)("X", "Y")Dim outputs As Integer() = table.Columns("G").ToArray(Of Integer)()'绘制数据ScatterplotBox.Show("样本数据", inputs, outputs).Hold()End SubEnd Class

Imports Accord.Controls
Imports Accord.IO
Imports Accord.Math
Imports Accord.Statistics.Distributions.Univariate
Imports Accord.MachineLearning.Bayes
Imports SystemPublic Class Form1'贝叶斯分类'使用Accord.IO里的的excel读取类Dim table As DataTable = New ExcelReader("E:\pro\books\AI_.net\src\AI_learn\learnai-1\data\examples.xls").GetWorksheet("Classification - Yin Yang")Private Sub Button1_Click(sender As Object, e As EventArgs) Handles Button1.ClickNaiveBayes()End SubPrivate Sub NaiveBayes()'读取样本' 转换datatable为输入输出数组Dim sample As Double()() = table.ToJagged(Of Double)("X", "Y")Dim outs As Integer() = table.Columns("G").ToArray(Of Integer)()'绘制数据ScatterplotBox.Show("样本数据", sample, outs).Hold()'进行训练和预测Dim trainer As New NaiveBayesLearning(Of NormalDistribution)()Dim nb = trainer.Learn(sample, outs)Dim numberOfClasses As Integer = nb.NumberOfClasses '分类数目Dim numberOfInputs As Integer = nb.NumberOfInputs '特征数量Dim predictResult As Integer() = nb.Decide(sample) '进行预测Label1.Text = numberOfClassesLabel2.Text = numberOfClassesScatterplotBox.Show("实际结果", sample, outs)ScatterplotBox.Show("贝叶斯预测结果", sample, predictResult).Hold()End SubEnd Class



.net随笔-vb.net Accord.Net机器学习之贝叶斯分类相关推荐

  1. .net随笔-vb.net Accord.Net机器学习之SVM分类

    线性核分类 Imports Accord.ControlsImports Accord.IOImports Accord.MathImports Accord.Statistics.Distribut ...

  2. 【机器学习】贝叶斯分类器【下】

    主要来自周志华<机器学习>一书和博主nebulaf91的原创博客,包含自己的理解. 有任何的书写错误.排版错误.概念错误等,希望大家包含指正. 由于字数限制,分成两篇博客. [机器学习]贝 ...

  3. .net随笔-vb.net打开外部程序发送键盘信号(2)

    调用 Windows Api indows Api 是动态链接库 (Dll) 的 Windows 操作系统的一部分. 您可以使用它们来执行任务时很难编写你自己的等效过程. 例如,Windows 提供了 ...

  4. .net随笔-vb.net打开外部程序发送键盘信号(3)

    使用DllImport Imports System.Runtime.InteropServices Public Class Form1<DllImport("user32.DLL& ...

  5. .net随笔-vb.net打开外部程序发送键盘信号(1)

    Public Class Form1Private Sub Button1_Click(sender As Object, e As EventArgs) Handles Button1.ClickD ...

  6. .net随笔-vb.net 系统计时器

    TickCount属性提供对计算机的系统计时器的访问,从计算机的系统计时器获取毫秒计数. 该计时器在计算机处于活动状态时运行.定时器的分辨率不小于500毫秒. 您可以使用此属性使您的应用程序的行为依赖 ...

  7. .net随笔-vb.net 剪粘板(1)

    Public Class Form1Private Sub Button2_Click(sender As Object, e As EventArgs) Handles Button2.ClickM ...

  8. 机器学习之贝叶斯分类(python实现)

    朴素贝叶斯(Naive Bayesian)是最为广泛使用的分类方法,它以概率论为基础,是基于贝叶斯定理和特征条件独立假设的分类方法. 原理 朴素贝叶斯(Naive Bayesian)是基于贝叶斯定理和 ...

  9. 机器学习--朴素贝叶斯分类,以及拉普拉斯校准

    原文链接: 1. 词袋模型 http://chant00.com/2017/09/18/%E8%B4%9D%E5%8F%B6%E6%96%AF/ 2. 朴素贝叶斯计算嫁人概率 https://zhua ...

最新文章

  1. 面试技巧——保持一颗乐观的心态
  2. 微信小程序界面跳转(1)
  3. Redis的入门(一)常用命令
  4. why there is always a HTTP 302 redirect when clicking workcenter
  5. 【深圳】掌通宝科技有限公司技术总监(兼架构师),约吗
  6. 关于Servlet和异步Servlet
  7. Java NIO操作Socket的用法
  8. 卡片选项页面 JTabbedPane 的使用
  9. 更新项目java_java – 什么是Maven – 更新项目?
  10. 图书配套光盘、部分软件下载
  11. 数据库热备之SQLServer的数据库镜像实施笔记
  12. 计算机操作系统|汤小丹|第四版|习题答案
  13. 基于SSM框架的图书管理系统
  14. Linux下安装各种常用软件
  15. C 语言面试题大汇总
  16. CKPlayer视频地址加密方法
  17. XtraReport打印二维码
  18. cos41度用计算机怎么算,用电监察计算(精品)
  19. 微信生态的优劣,将决定微信电商的未来
  20. 计算机控制门禁,实验室智能门禁管理系统

热门文章

  1. 第12天,HTML基础
  2. winform 后台线程更新UI
  3. cmd编译运行Java文件详解
  4. 多线程,多进程选择(了解)
  5. 实用ExtJS教程100例-002:MessageBox的三种用法
  6. 使用CRM的List WebPart
  7. DNN开发中的一些细节(3)
  8. StringBuilder与String互转
  9. leetcode Add and Search Word - Data structure design
  10. android中 onResume()方法什么时候执行 ??(转)