java - 在 Java 中实现朴素贝叶斯算法——需要一些指导

Question

作为一项学校作业，我需要实现我打算用 Java 实现的朴素贝叶斯算法。

为了了解它是如何完成的，我阅读了“数据挖掘 - 实用机器学习工具和技术”一书，其中有一节是关于这个主题的，但我仍然不确定一些阻碍我进步的主要观点。

由于我在这里寻求指导而不是解决方案，我会告诉你们我的想法，我认为正确的方法，并要求更正/指导作为返回，我们将不胜感激。请注意，我是朴素贝叶斯算法、数据挖掘和一般编程方面的绝对初学者，因此您可能会在下面看到愚蠢的评论/计算:

我得到的训练数据集有 4 个属性/特征，它们是数字的并且使用 Weka(在范围 [0 1] 内)标准化(没有缺失值)和一个标称类(是/否)

1) 来自 csv 文件的数据是数字 HENCE

* 鉴于属性是数字，我使用 PDF(概率密度函数)公式。
+ 为了在 Java 中计算 PDF，我首先根据属性是在类中还是在类中来分离属性，并将它们保存到不同的数组中(数组类是和数组类否)
+ 然后计算每个类的 4 个属性(列)的平均值(行中值的总和/该行中值的数量)和标准占卜
+ 现在要查找给定值 (n) 的 PDF，我会执行 (n-mean)^2/(2*SD^2),
+ 然后找到 P( yes | E) 和 P( no | E) 我 将所有 4 个给定属性的 PDF 值相乘并比较比较大，表示属于哪个类

在 Java 中，我使用 ArrayList of ArrayList 和 Double 来存储属性值。

最后我不确定如何获取新数据？我应该要求输入文件(如 csv)还是命令提示符并要求 4 个值？

我现在就到此为止(确实有更多问题)，但我担心考虑到它已经过了多长时间，不会得到任何回复。我将非常感谢那些花时间阅读我的问题和评论的人。

Answer 1

你所做的几乎是正确的。

         + Then to find P( yes | E) and P( no | E) i multiply the PDF value of all 4 given attributes and compare which is larger, which indicates the class it belongs to 

在这里，您忘记乘以先验 P(yes) 或 P(no)。记住决策公式:

P(Yes | E) ~= P(Attr_1 | Yes) * P(Attr_2 | Yes) * P(Attr_3 | Yes) * P(Attr_4 | Yes) * P(Yes)

对于朴素贝叶斯(以及任何其他监督学习/分类算法)，您需要有训练数据和测试数据。您使用训练数据来训练模型并对测试数据进行预测。您可以简单地使用训练数据作为测试数据。或者您可以将 csv 文件分成两部分，一部分用于训练，一部分用于测试。您还可以对 csv 文件进行交叉验证。