Normal Bayes 分类器

这个简单的分类器模型是建立在每一个类别的特征向量服从正态分布的基础上的（尽管，不必是独立的），因此，整个分布函数被假设为一个高斯分布，每一类别一组系数。当给定了训练数据，算法将会估计每一个类别的向量均值和方差矩阵，然后根据这些进行预测。

CvNormalBayesClassifier

对正态分布的数据的贝叶斯分类器

class CvNormalBayesClassifier : public CvStatModel
{
public:CvNormalBayesClassifier();virtual ~CvNormalBayesClassifier();CvNormalBayesClassifier( const CvMat* _train_data, const CvMat* _responses,const CvMat* _var_idx=0, const CvMat* _sample_idx=0 );virtual bool train( const CvMat* _train_data, const CvMat* _responses,const CvMat* _var_idx = 0, const CvMat* _sample_idx=0, bool update=false );virtual float predict( const CvMat* _samples, CvMat* results=0 ) const;virtual void clear();virtual void save( const char* filename, const char* name=0 );virtual void load( const char* filename, const char* name=0 );virtual void write( CvFileStorage* storage, const char* name );virtual void read( CvFileStorage* storage, CvFileNode* node );
protected:...
};

[编辑]

CvNormalBayesClassifier::train

训练这个模型

bool CvNormalBayesClassifier::train( const CvMat* _train_data, const CvMat* _responses,const CvMat* _var_idx = 0, const CvMat* _sample_idx=0, bool update=false );

这个函数训练正态贝叶斯分类器。并且遵循通常训练“函数”的以下一些限制：只支持CV_ROW_SAMPLE类型的数据，输入的变量全部应该是有序的，输出的变量是一个分类结果。（例如，_responses中的元素必须是整数，因此向量的类型有可能是32fC1类型的），不支持missing, measurements。

另外，有一个update标志，标志着模型是否使用新数据升级。 In addition, there is update flag that identifies, whether the model should be trained from scratch (update=false) or be updated using the new training data (update=true).

[编辑]

CvNormalBayesClassifier::predict

对未知的样本或或本集进行预测

float CvNormalBayesClassifier::predict( const CvMat* samples, CvMat* results=0 ) const;

这个函数估计输入向量的最有可能的类别。输入向量（一个或多个）被储存在矩阵的每一行中。对于多个输入向量，则输出会是一个向量结果。对于单一的输入，函数本身的返回值就是预测结果。长段文字

//openCV中贝叶斯分类器的API函数用法举例
//运行环境：winXP + VS2008 + openCV2.3.0
#include "stdafx.h"
#include "opencv.hpp"
#include "iostream"
using namespace cv;
using namespace std;//10个样本特征向量维数为12的训练样本集，第一列为该样本的类别标签
double inputArr[10][13] =
{1,0.708333,1,1,-0.320755,-0.105023,-1,1,-0.419847,-1,-0.225806,0,1, -1,0.583333,-1,0.333333,-0.603774,1,-1,1,0.358779,-1,-0.483871,0,-1,1,0.166667,1,-0.333333,-0.433962,-0.383562,-1,-1,0.0687023,-1,-0.903226,-1,-1,-1,0.458333,1,1,-0.358491,-0.374429,-1,-1,-0.480916,1,-0.935484,0,-0.333333,-1,0.875,-1,-0.333333,-0.509434,-0.347032,-1,1,-0.236641,1,-0.935484,-1,-0.333333,-1,0.5,1,1,-0.509434,-0.767123,-1,-1,0.0534351,-1,-0.870968,-1,-1,1,0.125,1,0.333333,-0.320755,-0.406393,1,1,0.0839695,1,-0.806452,0,-0.333333,1,0.25,1,1,-0.698113,-0.484018,-1,1,0.0839695,1,-0.612903,0,-0.333333,1,0.291667,1,1,-0.132075,-0.237443,-1,1,0.51145,-1,-0.612903,0,0.333333,1,0.416667,-1,1,0.0566038,0.283105,-1,1,0.267176,-1,0.290323,0,1
};//一个测试样本的特征向量
double testArr[]=
{0.25,1,1,-0.226415,-0.506849,-1,-1,0.374046,-1,-0.83871,0,-1
};int _tmain(int argc, _TCHAR* argv[])
{Mat trainData(10, 12, CV_32FC1);//构建训练样本的特征向量for (int i=0; i<10; i++){for (int j=0; j<12; j++){trainData.at<float>(i, j) = inputArr[i][j+1];}}Mat trainResponse(10, 1, CV_32FC1);//构建训练样本的类别标签for (int i=0; i<10; i++){trainResponse.at<float>(i, 0) = inputArr[i][0];}CvNormalBayesClassifier nbc;bool trainFlag = nbc.train(trainData, trainResponse);//进行贝叶斯分类器训练if (trainFlag){cout<<"train over..."<<endl;nbc.save("c:/normalBayes.txt");}else{cout<<"train error..."<<endl;system("pause");exit(-1);}CvNormalBayesClassifier testNbc;testNbc.load("c:/normalBayes.txt");Mat testSample(1, 12, CV_32FC1);//构建测试样本for (int i=0; i<12; i++){testSample.at<float>(0, i) = testArr[i];}float flag = testNbc.predict(testSample);//进行测试cout<<"flag = "<<flag<<endl;system("pause");return 0;
}

贝叶斯分类器（Normal Bayes 分类器）相关推荐

数据挖掘十大经典算法(9) 朴素贝叶斯分类器 Naive Bayes
贝叶斯分类器贝叶斯分类器的分类原理是通过某对象的先验概率,利用贝叶斯公式计算出其后验概率,即该对象属于某一类的概率,选择具有最大后验概率的类作为该对象所属的类.眼下研究较多的贝叶斯分类器主要有四种, ...
Normal Bayes 分类器过程详解
OpenCV的机器学习类定义在ml.hpp文件中,基础类是CvStatModel,其他各种分类器从这里继承而来. 今天研究CvNormalBayesClassifier分类器. 1.类定义在ml.h ...
贝叶斯分类器详解从零开始从理论到实践
贝叶斯分类器详解从零开始从理论到实践大纲总览一.贝叶斯相关概念 1.1.频率学派和贝叶斯学派 1.1.1.频率学派 1.1.2.贝叶斯学派 1.2.概率论基础知识 1.3.贝叶斯定理二.概率 ...
贝叶斯分类器-资源总结
本文转载自:http://blog.csdn.net/wuxiaoyao12/article/details/7330652,谢谢原作者. ============================== ...
机器学习中神经网络，支持向量机以及贝叶斯分类器总结
第五章神经网络 5.1神经元模型神经网络中最基本的成分是神经元模型,即"简单单元". 在"M-P神经元模型"中,神经元接受收到来自n个其他神经元传递过来的输入 ...
贝叶斯分类器原理——学习笔记
贝叶斯分类器原理简介一.逆概率推理与贝叶斯公式 1.确定性推理与概率推理 2.贝叶斯公式二.贝叶斯分类的原理三.概率估计 1.先验概率的估计 2.类条件概率的估计四.贝叶斯分类的错误率五. ...
MATLAB+二值贝叶斯分类器的手写汉字识别（简易实现）
写在前头 ~~~~ ~~~ 本文以二值贝叶斯作为分类器,利用MATLAB编程工具,实现对9个手写汉字的识别.训练样本是本人手写,数量不大,所以重在描述个人对其工作原理的理解,仅供大家参考和指 ...
数据挖掘实验：贝叶斯分类器算法的实现
一.实验原理贝叶斯分类器是各种分类器中分类错误概率最小或者在预先给定代价的情况下平均风险最小的分类器.它的设计方法是一种最基本的统计分类方法.其分类原理是通过某对象的先验概率,利用贝叶斯公式计算出其 ...
R构建朴素贝叶斯分类器（Naive Bayes Classifier）
R构建朴素贝叶斯分类器(Naive Bayes Classifier) 目录 R构建朴素贝叶斯分类器(Naive Bayes Classifier) 朴素贝叶斯原理及分类器

贝叶斯分类器（Normal Bayes 分类器）

Normal Bayes 分类器

CvNormalBayesClassifier

CvNormalBayesClassifier::train

CvNormalBayesClassifier::predict

贝叶斯分类器（Normal Bayes 分类器）相关推荐

最新文章

热门文章