数据挖掘算法学习（三）NaiveBayes算法

算法简单介绍

NBC是应用最广的分类算法之中的一个。朴素贝叶斯模型发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同一时候，NBC模型所需预计的參数非常少，对缺失数据不太敏感，算法也比較简单。

算法如果

给定目标值时属性之间互相条件独立。

算法输入

训练数据   T={(x1,y1),(x2,y2),……,(xn,yn)}
待分类数据x0=(x0(1),x0(2),……,x0(n))T

算法输出
待分类数据x0 的分类结果y0∈{c1,c2,……,ck}

算法思想

weka执行
以weather.nominal.arff为例执行结果部分截图例如以下：

从结果中能够看出，有两个分类，因此生成一个2*2的混淆矩阵。

函数调用代码

//读入样本

Filefile= new File("F:\\Program Files (x86)\\Weka-3-7\\data\\weather.nominal.arff");

ArffLoaderloader = newArffLoader();

loader.setFile(file);

ins= loader.getDataSet();

ins.setClassIndex(ins.numAttributes()-1);

//初始化分类器并训练

 cfs= (Classifier)Class.forName("weka.classifiers.bayes.NaiveBayes").newInstance();

cfs.buildClassifier(ins);

//获取分类器结果

testingEvaluation.evaluateModelOnceAndRecordPrediction(cfs,testInst);

//打印分类结果

System.out.println("分类器的正确率："+ (1-testingEvaluation.errorRate()));

执行结果例如以下：

分类器的正确率：0.9583333333333334

算法应用

• 垃圾邮件过滤系统

• 分类 web 网页

• 分类文本

垃圾邮件过滤系统能够參考论文：周威成 马素霞 齐林海，一种基于机器学习的垃圾邮件智能过滤方法。

原创文章，转载请注明出处，谢谢。