1-1 C语言手撕高斯朴素贝叶斯 - 通过身高和体重推测性别（机器学习）

目录

目录

目录

项目介绍

项目1-1的准确度

项目可行性：原理简介

高斯分布（正态分布）

朴素贝叶斯

代码流程

获取数据（数据清洗）

代码实现

头文件 allHead.h

源文件 handleData.cpp

源文件及主函数 naiveBayes.cpp

---

项目介绍

1-1 通过身高、体重推测性别

1-2 通过身高、体重、肺活量推测性别

1-3 MPI优化

1-4 OpenMP优化

 

项目1-1的准确度

本项目用了150行C语言代码实现高斯-朴素贝叶斯，虽受限于数据集的特征值少，但预测结果准确度仍有84.7%。

项目可行性：原理简介

高斯-朴素贝叶斯即高斯分布（正态分布）+朴素贝叶斯。

高斯分布和朴素贝叶斯都是高中知识这里就不科普了，具体百度就好。

 

高斯分布（正态分布）

通过以往的科学研究发现，人类的身高和体重基本满足高斯分布的。

找了许多资料发现，其实人类的身高在几个区间特别集中，图像是有几个峰值的高斯分布曲线。

我们可以通过数据集来获取高斯分布所需要的：平均值（u）、标准差（p）。

//dataSet是数据集
double u=0; //平均值
double p=0; //标准差

//求平均值
for(i=0;i

只要有了平均值和标准差，我们就能通过高斯分布的概率密度函数来获得以下这四个概率:

P(身高=160|性别=女性)、P(体重=50|性别=女性)

P(身高=160|性别=男性)、P(体重=50|性别=男性)

//正态分布 x:随机变量的值 u:样本平均值 p:标准差 y:概率
double gaussianDistribution(double x,double u,double p)
{
	double y;
	p=pow(p,2);
	y = (1 / (2*PI*p)) * exp( -pow((x-u),2) / (2*p) );
	return y;
}

得到上述四个概率之后，就可以进行朴素贝叶斯分类了。

 

朴素贝叶斯

朴素贝叶斯有多朴素呢，基本上就是比较P1和P2 的大小，哪个概率大，结果就是哪个。

P1 = P(身高=160|性别=女性) * P(体重=50|性别=女性)

P2 = P(身高=160|性别=男性) * P(体重=50|性别=男性)

 

代码流程

1. 获取数据（数据清洗）
2. 读取数据
3. 计算平均值（u）、标准差（p）
4. 通过高斯分布的概率密度函数求出P(特征=xxx|性别=xx)的概率
5. 求出P1、P2
6. 通过P1、P2的大小判断性别

 

获取数据（数据清洗）

数据集可以在https://www.kaggle.com/找到，搜索关键词height等即可……

本次代码的数据集（韩国大学生的体测数据）如下:

第0列：性别（0表示未知、1代表男性、2代表女性）

第1列：身高（单位:cm）

第2列：体重（单位:kg）

P.S. 不分享该数据集

代码实现

头文件 allHead.h

//allHead.h

#ifndef _STDIO_H_ 
#define _STDIO_H_

#include 
#include 
#include 
#include 

#define PI 3.1415926535898

//单条数据的长度
#define MAX_LINE 100
//数据集的长度
#define DATA_LEN 15300
//特征值的个数
#define EIGEN_NUM 3


/*声明函数*/
//获取数据集
void getData(const char *fileLocation);

//获得平均值和标准差：给 Parameter 赋值
void getParameter();
//计算平均值和标准差
double* calParameter(int column,int sex);

//计算概率p(特征列column = x | 性别)
double getProbability(double x,int column,int sex);
//正态分布 x:随机变量的值 u:样本平均值 p:标准差
double gaussianDistribution(double x,double u,double p);

//返回性别字符结果
char* sexResult(float height,float weight);
//返回性别ID结果
int sexIDResult(float height,float weight);
//准确度判断
float precision();


#endif 

源文件 handleData.cpp

//handleData.cpp

#include"allHead.h"

/*
basicData.csv:性别、身高、体重 [i][0,1,2]
addVitalCapacityData.csv:性别、身高、体重、肺活量 [i][0,1,2,3]
*/

//性别：0表示未知，1表示男，2表示女

float dataSet[DATA_LEN][EIGEN_NUM];	//数据集
double maleNum=0;//男性总数
double femaleNum=0;//女性总数
double meanValue[2][3];			    //男性、女性的所有均值[0][0,1,2]=[男][身高、体重、肺活量]
double standardDeviation[2][3];     //男性、女性的所有标准差[0][0,1,2]=[男][身高、体重、肺活量]

int dataLen;				//从1开始计算的数据集的长度,数学计算用的长度
char *basicInfo[] = {"性别","身高","体重","肺活量"};
//char *addVitalCapacityInfo[] = {"性别","身高","体重","肺活量"};

//读取数据
void getData(const char *fileLocation)
{
	char buf[MAX_LINE];		//缓冲区
	FILE *fp;				//文件指针s
	int len;				//行字符个数

	//printf("正在读取文件\n");

	//读取文件
	if((fp = fopen(fileLocation,"r")) == NULL)
	{
		perror("fail to read");
		exit (1) ;
	}

	//逐行读取及写入数组
	char *token;
	const char s[2] = ",";
	int i=0;
	int j=0;
	while(fgets(buf,MAX_LINE,fp) != NULL && i< DATA_LEN-1)
	{
		len = strlen(buf);
		buf[len-1] = '\0';  //删去换行符
		//分割字符串
		token = strtok(buf, s);
		//继续分割字符串
		j = 0;
		while( token != NULL ) {
			dataSet[i][j]=atof(token);
			//printf("dataSet[%d][%d] = %f\n", i,j, dataSet[i][j] );
			//printf( "%f\n", dataRuslt[i][j]);
			token = strtok(NULL, s);
			j = j+1;
		 }
		i = i + 1;
	}
	dataLen=i;
	//printf("%d条数据读取完毕\n",dataLen);
	//计算男女个数
	for(i=0;i femaleP){return "男性";}
	if(maleP < femaleP){return "女性";}
	if(maleP == femaleP){return "未知";}

}

//返回性别ID结果
int sexIDResult(float height,float weight)
{
	double maleP;//男性概率
	double femaleP;//女性概率
	double a=0.5; //男女比例各50%

	maleP = a * getProbability(height,1,1) * getProbability(weight,2,1);
	//printf("\n");
	femaleP = a * getProbability(height,1,2) * getProbability(weight,2,2);
	//printf("\n");

	if(maleP > femaleP){return 1;}
	if(maleP < femaleP){return 2;}
	if(maleP == femaleP){return 0;}
}

//准确度判断
float precision()
{
	int i;
	float preSexID;
	float right=0;
	float error=0;
	for(i=0;i

源文件(主函数) naiveBayes.cpp

//naiveBayes.cpp

#include"allHead.h"

extern float dataSet[DATA_LEN][EIGEN_NUM];
extern int dataLen;

/*
	性别：0表示未知，1表示男，2表示女
	basicData.csv:性别、身高、体重 [i][0,1,2]
*/

void main(){
	//给全局变量dataSet赋值
	getData("basicData.csv");

	/*
	//抽查数据集
	int i = dataLen-1;
	int j = 2;
	printf("dataSet[%d][%d] = %f\n", i,j, dataSet[i][j] );
	*/

	//打印准确率
	printf("Accuracy：%f\n",precision());

	//抽查准确率
	float Height=178;
	float Weight=60;
	printf("身高:%.2f,体重:%.2f\n根据高斯-朴素贝叶斯算法判断\n此人的性别可能为:%s\n\n",Height,Weight,sexResult(Height,Weight));
	
}