使用的贝叶斯分类算法实现的，编程语言为java。是我本学期修的数据库与数据挖掘的课程的期末课程作业，算法本身不难，思路理清楚了很简单。

先看看鸢尾花(Iris)数据集(下图为数据集的部分截图)，鸢尾花有setosa、Versicolor、Virginica3个类别，数据集中各个类别各50条数据，一共是150条数据记录，每条数据记录的前4个值分别表示鸢尾花的sepalLength、sepalWidth、petalLengthpetalWidth，第5个值是鸢尾花的类型。算法实现过程中将每个类别的前40条记录作为训练数据，进行分类模型的训练，每个类别的后10条数据作为测试数据，对分类模型的准确性进行判断。

算法基本思路：由概率论中先验概率与后验概率的转换公式

可以得到：

设C为鸢尾花类别，F1，F2，F3，F4表示鸢尾花的4个特征，由于

可见，分母与类别没有关系，在分类时不提供判别信息，不作考虑。因此，分类只与分子有关，，又假设F1，F2，F3，F4是相互独立，所以分子等价于：

由于都有P(C)项，所以可以就只计算

即计算各特征分别属于各类别的概率，然后相乘，值最大的则是那个相应的类别。

所以鸢尾花分类的思路为：先分别计算3个类别分别在4个特征上的均值和方差，然后构造相应的概率密度函数，在对测试数据集进行分类的时候，即求4个特征值分别属于类别1的概率然后相乘，属于类别2概率然后相乘，属于类别3的概率然后相乘，再比较这3个概率值的大小，哪个最大则相应的分类哪个类别。

代码涉及到鸢尾花类以及鸢尾花的类型类(鸢尾花类型定义枚举类型)，数据的读取类(读取鸢尾花数据集)，鸢尾花分类类和概率值的计算类，这里给出鸢尾花分类类的代码：

BayesClassify.java

package com.test;

import java.io.IOException;

import java.util.ArrayList;

import java.util.List;

import com.test.DataReader;

import com.test.Iris;

public class BayesClassify {

static List irisDataSet; //鸢尾花数据集

static List testDataSet;//测试数据集

static List trainingDataSet;//训练数据集

public BayesClassify() {

irisDataSet = new ArrayList();

testDataSet = new ArrayList();

trainingDataSet = new ArrayList();

}

public static void main(String[] args) throws IOException {

DataReader reader = new DataReader();

BayesClassify bayes = new BayesClassify();

irisDataSet = reader.getIrisData();//读取鸢尾花数据集

bayes.prepareTrainingData();//准备训练数据

Calculate calcu = new Calculate();

calcu.CalMV(trainingDataSet);//计算均值、方差

bayes.prepareTestData();//准备测试数据

int n = 0; //分类正确的个数

for(Iris i : testDataSet) {

String type = calcu.CalP(i.getSepalLength(), i.getSepalWidth(), i.getPetalLength(), i.getPetalWidth());//获得分类

System.out.println("原本类别:"+i.getType().getLabel()+"---->最终分类为："+type);

if(type.equals(i.getType().getLabel())) {

n++;

}

}

//分类的准确率

System.out.println("分类的正确率："+(double)n/30);

}

public void prepareTrainingData() {

if (irisDataSet.size() == 150) {

trainingDataSet.addAll(irisDataSet.subList(0,40));//将Setosa的前40条加入训练集

trainingDataSet.addAll(irisDataSet.subList(50,90));//将Versicolor的前40条加入训练集

trainingDataSet.addAll(irisDataSet.subList(100,140));//将Virginica的前40条加入训练集

}

}

public void prepareTestData() {

if (irisDataSet.size() == 150) {

testDataSet.addAll(irisDataSet.subList(40,50));//将Setosa的后10条加入测试集

testDataSet.addAll(irisDataSet.subList(90,100));//将Versicolor的后10条加入测试集

testDataSet.addAll(irisDataSet.subList(140,150));//将Virginica的后10条加入测试集

}

}

}

运行结果：

从图上可以看出分类算法的准确率为76.7%