贝叶斯实验报告.pdfVIP

HUNAN UNIVERSITY 人工智能实验报告 题 目 实验三：分类算法实验 学 生 姓 名 匿 名 学 生 学 号 2013080702xx 专 业 班 级 智能科学与技术 1302 班 指 导 老 师 袁进 一．实验目的 1. 了解朴素贝叶斯算法的基本原理； 2. 能够使用朴素贝叶斯算法对数据进行分类 3. 了解最小错误概率贝叶斯分类器和最小风险概率贝叶斯分类器 4. 学会对于分类器的性能评估方法 二、实验的硬件、软件平台 硬件：计算机 软件：操作系统： WINDOWS10 应用软件： C,Java 或者 Matlab 相关知识点 : 贝叶斯定理： 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，其基本求解公式为： 贝叶斯定理打通了从 P(A|B) 获得 P(B|A) 的道路。 直接给出贝叶斯定理： 朴素贝叶斯分类是一种十分简单的分类算法， 叫它朴素贝叶斯分类是因为这种方法的思想真的很 朴素，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，哪个最大，就认为此待分类项属于哪个类别。 朴素贝叶斯分类的正式定义如下： 1、设 为一个待分类项，而每个 a 为 x 的一个特征属性。 2、有类别集合 。 3、计算 。 4 、如果 ，则 。 那么现在的关键就是如何计算第 3 步中的各个条件概率。我们可以这么做： 1、找到一个已知分类的待分类项集合，这个集合叫做训练样本集。 2、统计得到在各类别下各个特征属性的条件概率估计。即 3、如果各个特征属性是条件独立的，则根据贝叶斯定理有如下推导： 因为分母对于所有类别为常数，因为我们只要将分子最大化皆可。又因为各特征属性是条件独立 的，所以有： 整个朴素贝叶斯分类分为三个阶段： 第一阶段 : 准备工作阶段，这个阶段的任务是为朴素贝叶斯分类做必要的准备，主要工作是根据 具体情况确定特征属性，并对每个特征属性进行适当划分，然后由人工对一部分待分类项进行分类， 形成训练样本集合。 这一阶段的输入是所有待分类数据， 输出是特征属性和训练样本。 这一阶段是整 个朴素贝叶斯分类中唯一需要人工完成的阶段， 其质量对整个过程将有重要影响， 分类器的质量很大 程度上由特征属性、特征属性划分及训练样本质量决定。 第二阶段 : 分类器训练阶段，这个阶段的任务就是生成分类器，主要工作是计算每个类别在训练 样本中的出现频率及每个特征属性划分对每个类别的条件概率估计， 并将结果记录。 其输入是特征属 性和训练样本， 输出是分类器。 这一阶段是机械性阶段， 根据前面讨论的公式可以由程序自动计算完 成。 第三阶段 : 应用阶段。这个阶段的任务是使用分类器对待分类项进行分类，其输入是分类器和待 分类项，输出是待分类项与类别的映射关系。这一阶段也是机械性阶段，由程序完成。 三、实验内容及步骤 实验内容： A. 利用贝叶斯算法进行数据分类操作， 并统计其预测正确率 , 数据集：汽车评估数据集 （learn 作为学习集， test 作为测试集合） B. 随机产生 10000组正样本和 20000负样本高斯分布的数据集合（维数设为二维），要求正样 本：均值为 [1;3] ，方差为 [2 0;0 2] ；负样本：均值为 [10;20] ，方差为 [10 0;0 10]. 先验概 率按样本量设定为 1/3 和 2/3.