时间:2021-05-20
本文实例讲述了Java实现的朴素贝叶斯算法。分享给大家供大家参考,具体如下:
对于朴素贝叶斯算法相信做数据挖掘和推荐系统的小伙们都耳熟能详了,算法原理我就不啰嗦了。我主要想通过java代码实现朴素贝叶斯算法,思想:
1. 用javabean +Arraylist 对于训练数据存储
2. 对于样本数据训练
具体的代码如下:
package NB;/** * 训练样本的属性 javaBean * */public class JavaBean { int age; String income; String student; String credit_rating; String buys_computer; public JavaBean(){ }public JavaBean(int age,String income,String student,String credit_rating,String buys_computer){ this.age=age; this.income=income; this.student=student; this.credit_rating=credit_rating; this.buys_computer=buys_computer;}public int getAge() { return age;}public void setAge(int age) { this.age = age;}public String getIncome() { return income;}public void setIncome(String income) { this.income = income;}public String getStudent() { return student;}public void setStudent(String student) { this.student = student;}public String getCredit_rating() { return credit_rating;}public void setCredit_rating(String credit_rating) { this.credit_rating = credit_rating;}public String getBuys_computer() { return buys_computer;}public void setBuys_computer(String buys_computer) { this.buys_computer = buys_computer;}@Overridepublic String toString() { return "JavaBean [age=" + age + ", income=" + income + ", student=" + student + ", credit_rating=" + credit_rating + ", buys_computer=" + buys_computer + "]";}}算法实现的部分:
package NB;import java.io.BufferedReader;import java.io.File;import java.io.FileReader;import java.util.ArrayList;public class TestNB { /**data_length * 算法的思想 */ public static ArrayList<JavaBean> list = new ArrayList<JavaBean>();; static int data_length=0; public static void main(String[] args) { // 1.读取数据,放入list容器中 File file = new File("E://test.txt"); txt2String(file); //数据测试样本 testData(25,"Medium","Yes","Fair"); } // 读取样本数据 public static void txt2String(File file) { try { BufferedReader br = new BufferedReader(new FileReader(file));// 构造一个BufferedReader类来读取文件 String s = null; while ((s = br.readLine()) != null) {// 使用readLine方法,一次读一行 data_length++; splitt(s); } br.close(); } catch (Exception e) { e.printStackTrace(); } } // 存入ArrayList中 public static void splitt(String str){ String strr = str.trim(); String[] abc = strr.split("[\\p{Space}]+"); int age=Integer.parseInt(abc[0]); JavaBean bean=new JavaBean(age, abc[1], abc[2], abc[3], abc[4]); list.add(bean); } // 训练样本,测试 public static void testData(int age,String a,String b,String c){ //训练样本 int number_yes=0; int bumber_no=0; // age情况 个数 int num_age_yes=0; int num_age_no=0; // income int num_income_yes=0; int num_income_no=0; // student int num_student_yes=0; int num_stdent_no=0; //credit int num_credit_yes=0; int num_credit_no=0; //遍历List 获得数据 for(int i=0;i<list.size();i++){ JavaBean bb=list.get(i); if(bb.getBuys_computer().equals("Yes")){ //Yes number_yes++; if(bb.getIncome().equals(a)){//income num_income_yes++; } if(bb.getStudent().equals(b)){//student num_student_yes++; } if(bb.getCredit_rating().equals(c)){//credit num_credit_yes++; } if(bb.getAge()==age){//age num_age_yes++; } }else {//No bumber_no++; if(bb.getIncome().equals(a)){//income num_income_no++; } if(bb.getStudent().equals(b)){//student num_stdent_no++; } if(bb.getCredit_rating().equals(c)){//credit num_credit_no++; } if(bb.getAge()==age){//age num_age_no++; } } } System.out.println("购买的历史个数:"+number_yes); System.out.println("不买的历史个数:"+bumber_no); System.out.println("购买+age:"+num_age_yes); System.out.println("不买+age:"+num_age_no); System.out.println("购买+income:"+num_income_yes); System.out.println("不买+income:"+num_income_no); System.out.println("购买+stundent:"+num_student_yes); System.out.println("不买+student:"+num_stdent_no); System.out.println("购买+credit:"+num_credit_yes); System.out.println("不买+credit:"+num_credit_no); //// 概率判断 double buy_yes=number_yes*1.0/data_length; // 买的概率 double buy_no=bumber_no*1.0/data_length; // 不买的概率 System.out.println("训练数据中买的概率:"+buy_yes); System.out.println("训练数据中不买的概率:"+buy_no); /// 未知用户的判断 double nb_buy_yes=(1.0*num_age_yes/number_yes)*(1.0*num_income_yes/number_yes)*(1.0*num_student_yes/number_yes)*(1.0*num_credit_yes/number_yes)*buy_yes; double nb_buy_no=(1.0*num_age_no/bumber_no)*(1.0*num_income_no/bumber_no)*(1.0*num_stdent_no/bumber_no)*(1.0*num_credit_no/bumber_no)*buy_no; System.out.println("新用户买的概率:"+nb_buy_yes); System.out.println("新用户不买的概率:"+nb_buy_no); if(nb_buy_yes>nb_buy_no){ System.out.println("新用户买的概率大"); }else { System.out.println("新用户不买的概率大"); } }}对于样本数据:
25 High No Fair No
25 High No Excellent No
33 High No Fair Yes
41 Medium No Fair Yes
41 Low Yes Fair Yes
41 Low Yes Excellent No
33 Low Yes Excellent Yes
25 Medium No Fair No
25 Low Yes Fair Yes
41 Medium Yes Fair Yes
25 Medium Yes Excellent Yes
33 Medium No Excellent Yes
33 High Yes Fair Yes
41 Medium No Excellent No
对于未知用户的数据得出的结果:
购买的历史个数:9
不买的历史个数:5
购买+age:2
不买+age:3
购买+income:4
不买+income:2
购买+stundent:6
不买+student:1
购买+credit:6
不买+credit:2
训练数据中买的概率:0.6428571428571429
训练数据中不买的概率:0.35714285714285715
新用户买的概率:0.028218694885361547
新用户不买的概率:0.006857142857142858
新用户买的概率大
更多关于java算法相关内容感兴趣的读者可查看本站专题:《Java数据结构与算法教程》、《Java操作DOM节点技巧总结》、《Java文件与目录操作技巧汇总》和《Java缓存操作技巧汇总》
希望本文所述对大家java程序设计有所帮助。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本文实例讲述了朴素贝叶斯算法的python实现方法。分享给大家供大家参考。具体实现方法如下:朴素贝叶斯算法优缺点优点:在数据较少的情况下依然有效,可以处理多类别
本代码实现了朴素贝叶斯分类器(假设了条件独立的版本),常用于垃圾邮件分类,进行了拉普拉斯平滑。关于朴素贝叶斯算法原理可以参考博客中原理部分的博文。#!/usr/
朴素贝叶斯估计朴素贝叶斯是基于贝叶斯定理与特征条件独立分布假设的分类方法。首先根据特征条件独立的假设学习输入/输出的联合概率分布,然后基于此模型,对给定的输入x
本文实例讲述了Python实现的朴素贝叶斯算法。分享给大家供大家参考,具体如下:代码主要参考机器学习实战那本书,发现最近老外的书确实比中国人写的好,由浅入深,代
前面文章分别简单介绍了线性回归,逻辑回归,贝叶斯分类,并且用python简单实现。这篇文章介绍更简单的knn,k-近邻算法(kNN,k-NearestNeigh