贝叶斯实验报告.docx

文档介绍：如文档对你有用，请下载支持！
如文档对你有用，请下载支持！
HUNANUNIVERSITY
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02x^
专业班级智能科学与技术1302班
指导老师袁进
D时h的成立的概率，称为h的后验概率。
.贝叶斯公式
贝叶斯公式提供了从先验概率P(h)、P(D)和P(D|h)计算后验概率P(h|D)的方法
p(h|D尸P(D|H)*P(H)/P(D)
P(h|D)随着P(h)和P(D|h)的增长而增长，随着P(D)的增长而减少，即如果D独立于h时被观察到的可能性越大，
那么D对h的支持度越小。
.极大后验假设
学习器在候选假设集合H中寻找给定数据D时可能性最大的假设h,h被称为极大后验假设(MAP确定MAPW方法是用贝叶斯公式计算每个候选假设的后验概率，计算式如下：
h_map=argmaxP(h|D)=argmax(P(D|h)*P(h))/P(D)=argmaxP(D|h)*p(h)(h属于集合H)
。输入为：均指向量、先验概率、协方差矩阵、输入学习数据X,测
。(选做)。
四、实验步骤：
.仔细阅读并了解实验数据集；
.使用任何一种熟悉的计算机语言(比如C,Java或者matlab)实现朴素贝叶斯算法；
.利用朴素贝叶斯算法在训练数据上学习分类器，训练数据的大小分别设置为：前100个数据，
前200个数据，前500个数据，前700个数据，前1000个数据，前1350t数据；
.利用测试数据对学习的分类器进行性能评估；
.统计分析实验结果并上交实验报告；
A源代码:
packageBayes;
importimportimportimportimportimportimportimport
如文档对你有用，请下载支持！
如文档对你有用，请下载支持！
public class NaiveBayesTool { /*
*中明全局变量//前面是自己的属性，后面是value的属性
*/
int testTotal = 0; // 训练样本数量
int predictTotal = 0; // 测试样本的数据
int predictSucess = 0; // 预测成功的数量
//存储数量
public int [][]
buy=new int [4][4]; //vhigh,high,med,low
public int [][]
public int [][]
public int [][]
maint =new int [4][4]; //vhigh,high,med,low door =new int [4][4]; //2,3,4,5more
person =new int [3][4]; //2,4,more
public int [][]
public int [][]
lug_boot =new int [3][4]; //small ,med,big safe =new int [3][4]; //low,med,high
public int 口 ClassValues =new int [4]; /