朴素贝叶斯matlab实现(共7页).docx

《朴素贝叶斯matlab实现(共7页).docx》由会员分享，可在线阅读，更多相关《朴素贝叶斯matlab实现(共7页).docx（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上clcclearclose alldata=importdata(data.txt);wholeData=data.data;%交叉验证选取训练集和测试集cv=cvpartition(size(wholeData,1),holdout,0.04);%0.04表明测试数据集占总数据集的比例cvpartition(n,holdout,p)创建一个随机分区，用于在n个观测值上进行保持验证。该分区将观察分为训练集和测试（或保持）集。参数p必须是标量，当0pPxyPy2&PxyPy1PxyPy3 predictLabel(kk,1)=1; disp(this item belo

2、ngs to No.,num2str(1), label or the R label) labelPredictNumber(1,1)=labelPredictNumber(1,1)+1; elseif PxyPy2PxyPy1&PxyPy2PxyPy3 predictLabel(kk,1)=2; labelPredictNumber(2,1)=labelPredictNumber(2,1)+1; disp(this item belongs to No.,num2str(2), label or the B label) elseif PxyPy3PxyPy2&PxyPy3PxyPy1 p

3、redictLabel(kk,1)=3; labelPredictNumber(3,1)=labelPredictNumber(3,1)+1; disp(this item belongs to No.,num2str(3), label or the L label) endendtestLabelCount=tabulate(testLabel);% 计算混淆矩阵disp(the confusion matrix is : )C_Bayes=confusionmat(testLabel,predictLabel) 89 103以上部分就是针对于这个已有的数据集进行的算法的实现。 结果与分析

4、C_Bayes是计算出来的混淆矩阵。其结果为：C_Bayes=为了验证该自编程序是否可靠，我再使用了Matlab自带的贝叶斯算法的函数fitcnb进行该数据的分类测试Nb=fitcnb(trainData,trainLabel);y_nb=Nb.predict(testData);C_nb=confusionmat(testLabel,y_nb) 1 2 3 4其中C_nb是采用自带函数得到的结果的混淆矩阵其结果为：C_nb=可以发现其结果是完全一样的。为了进一步验证程序的可靠性，我改变了交叉验证中训练集和测试集的比例，设置为0.2，此时采用自编程序得到的混淆矩阵为：C_Bayes=而使用自带函数fitcnb得到的结果为：C_nb=可以发现再次得到了一致的结果。 总结专心-专注-专业