数据挖掘实验四贝叶斯决策分类算法.docxVIP

实验四、贝叶斯决策分类算法学院计算机科学与软件学院实验目的：（1）熟悉VC++编程工具和朴素贝叶斯决策算法。（2）对AllElectronics顾客数据库查询得到先验概率和类条件概率。（3）在样本集上用VC++编程工具编写用朴素贝叶斯算法分类的程序，对任务相关数据运行朴素贝叶斯分类算法，调试实验。（4）写出实验报告。实验原理：1、先验概率和类条件概率先验概率：先验概率定义为训练样本集中属于Ci类的样本（元组）数Ni与总样本数N之比，记为。类条件概率：类条件概率定义为训练样本集中属于Ci类中的具有特征X的样本（元组）的个数ni与属于Ci类的样本（元组）数Ni之比，记为。2、贝叶斯决策贝叶斯决策（分类）法将样本（元组）分到Ci类，当且仅当，对1≤j≤m，j≠i其中，训练样本集中的样本（元组）可被分为m类。该算法流程图如下：实验内容1、实验内容用贝叶斯分类器对已知的特征向量X分类：1) 由AllElectronics顾客数据库类标记的训练样本集（元组）编程计算先验概率P(Ci)和类条件概率P(X|Ci)，并在实验报告中指出关键代码的功能和实现方法；2) 应用贝叶斯分类法编程对特征向量X分类，并在实验报告中指出关键程序片段的功能和实现方法；3) 用检验样本估计分类错误率；2、实验流程图3、关键代码1、定义存储结构class Date{public:string age;string income;string student;string credit;string buy;void print(){cout age income student credit buyendl;}};2、读取数据并保存{ char name1[50]; ifstream infile;cout输入要打开的文件：*.txtendl; cinname1; infile.open(name1,ios::in); if(infile.fail()){cout error open! endl;}3、计算类条件概率（通过计算累加和来计算） coutage:endl;ciniage;coutincome:endl;ciniincome;coutstudent:endl;cinistudent;coutcredit:endl;cinicredit;for(int k = 0;kdatesize;k++){if(date[k].age==iagedate[k].buy==yes){agey++;}if(date[k].age==iagedate[k].buy==no){agen++;}if(date[k].income==iincomedate[k].buy==yes){incomey++;} if(date[k].income==iincomedate[k].buy==no) {incomen++;}if(date[k].student==istudentdate[k].buy==yes){studenty++;}if(date[k].student==istudentdate[k].buy==no){studentn++;}if(date[k].credit==icreditdate[k].buy==yes){credity++;}if(date[k].credit==icreditdate[k].buy==no){creditn++;}}p3=(float)agey/(float)y;p4=(float)agen/(float)n;p5=(float)incomey/(float)y;p6=(float)incomen/(float)n;p7=(float)studenty/(float)y;p8=(float)studentn/(float)n;p9=(float)credity/(float)y;p10=(float)creditn/(float)n;px1=p3*p5*p7*p9;px2=p4*p6*p8*p10;px3=px1*p1;px4=px2*p2;coutP(age = iage|buy = yes = agey/y=p3endl;coutP(age = iage|buy = no = agen/n=p4endl;coutP(income = iincome|buy = yes = incomey/y=p5endl;coutP(income = iincome|buy = no = incomen/n=p6endl;coutP(student = istudent|buy = yes = studenty/y=p7endl;coutP(student = istudent|buy =