实验描述:
【数据挖掘|Java实现朴素贝叶斯分类器】对指定数据集进行分类问题的分析，选择适当的分类算法，编写程序实现，提交程序和结果报告
数据集： balance-scale.data（见附件一） ，已有数据集构建贝叶斯分类器。
数据包括四个属性：五个属性值 第一个属性值表示样本的类别号，其他四个属性为四个不同的特征值。



实验环境和编程语言：
本实验使用的编程语言为：Java
编程环境为：Intellij idea
构建分类器的算法为：朴素贝叶斯算法
训练的样本个数为：625个
样本示例：R,1,1,1,2（表示属于R类，四各属性值为1 1 1 2）
训练样本和测试样本见附件一。


工程和测试数据下载地址：
http://download.csdn.net/detail/qq_24369113/9711643










文章图片












实验结果分析：
根据程序运行的结果如图1-1所示，使用训练的样本对分类器进行检测，分类得到295个R类（实际288个），330个L类（实际288个），0个B类（实际49个），综合分类正确率为92.16%。可以认为分类器有较高的正确率，但是对于类B的分类还是有一定的误差，具体原因会在思考与改进中说明。

文章图片







思考与改进：

思考点：

本次实验编程利用朴素贝叶斯算法构建的分类器，虽然整体情况是拥有较高的分类正确率（92.16%），但是对训练样本再检测时没有发现一个B类样本，出现的较大的偏差，分析原因如下：
1.B类样本点总数很少，以至于P（yB）就远远小于P（yR）和P（yL），所以对于后验概率公式，P（yB|x）必然比P（yL|x）和P（yR|x）要小，因此导致最后样本难以分到B类。
2.观察训练样本集可以发现，B类的样本点和L类以及R类并没有很大区别，其不具备很强的统计可分性，所以对于依赖于统计概率的贝叶斯方法无法体现出其优势，所以导致了最终没有样本被分到B类中。


改进点：
本算法在实现贝叶斯分类的时候，每一次都进行了遍历样本集来求出
P（a1|y1）、P（a2|y1）……P（an|yn），所以导致算法的整体时间复杂度较高，在面临较大的数据集时可能就会出现问题，因此可以考虑实现将已经计算过的
P（ax|yx）存储到变量或者数组中，在下一次计算的时候可以直接调用，从而可以避免再一次的遍历训练集来计算概率，实现时间复杂度的降低。






编程实现：

package com.company; /******************************************************************************** * * * 数据挖掘实验，分类实验 * 朴素贝叶斯分类 * *训练样本示例格式：（R,1,5,5,4） */import java.io.File; import java.util.Scanner; import java.util.Vector; public class Bayes { static Vector indata = https://www.it610.com/article/new Vector<>(); //读入数据 static Vector catagory_R = new Vector<>(); //存储类别R的所有数据 static Vector catagory_L = new Vector<>(); //存储类别L的所有数据 static Vector catagory_B = new Vector<>(); //存储类别B的所有数据public static boolean loadData(String url) {//加载测试的数据文件 try { Scanner in = new Scanner(new File(url)); //读入文件 while (in.hasNextLine()) { String str = in.nextLine(); //将文件的每一行存到str的临时变量中 indata.add(str); //将每一个样本点的数据追加到Vector 中 } return true; } catch (Exception e) { //如果出错返回false return false; } }public static void pretreatment(Vector indata) {//数据预处理，将原始数据中的每一个属性值提取出来存放到Vectordata中 int i = 0; String t; while (i < indata.size()) {//取出indata中的每一行值 int[] tem = new int[4]; t = indata.get(i); String[] sourceStrArray = t.split(",", 5); //使用字符串分割函数提取出各属性值 switch (sourceStrArray[0]) { case "R": { for (int j = 1; j < 5; j++) { tem[j - 1] = Integer.parseInt(sourceStrArray[j]); } catagory_R.add(tem); break; } case "L": { for (int j = 1; j < 5; j++) { tem[j - 1] = Integer.parseInt(sourceStrArray[j]); } catagory_L.add(tem); break; } case "B": { for (int j = 1; j < 5; j++) { tem[j - 1] = Integer.parseInt(sourceStrArray[j]); } catagory_B.add(tem); break; } } i++; }}public static double bayes(int[] x, Vector catagory) { double[] ai_y = new double[4]; int[] sum_ai = new int[4]; for (int i = 0; i < 4; i++) {for (int j = 0; j < catagory.size(); j++) { if (x[i] == catagory.get(j)[i]) sum_ai[i]++; } } for (int i = 0; i < 4; i++) { ai_y[i] = (double) sum_ai[i] / (double) catagory.size(); } return ai_y[0] * ai_y[1] * ai_y[2] * ai_y[3]; }public static void main(String[] args) {loadData("balance-scale.data"); pretreatment(indata); double p_yR = (double) catagory_R.size() / (double) (indata.size()); //表示概率p（R） double p_yB = (double) catagory_B.size() / (double) (indata.size()); //表示概率p（B） double p_yL = (double) catagory_L.size() / (double) (indata.size()); //表示概率p（L）int[] x = new int[4]; double x_in_R, x_in_L, x_in_B; int sumR=0, sumL=0, sumB=0; double correct=0; System.out.println("请输入样本x格式如下：\n 1 1 1 1\n"); int r = 0; while (r < indata.size()) {for (int i = 0; i < 4; i++) //读取数字放入数组的第i个元素 x[i] = Integer.parseInt(indata.get(r).split(",", 5)[i + 1]); x_in_B = bayes(x, catagory_B) * p_yB; x_in_L = bayes(x, catagory_L) * p_yL; x_in_R = bayes(x, catagory_R) * p_yR; if (x_in_B == Math.max(Math.max(x_in_B, x_in_L), x_in_R)) { System.out.println("输入的第"+r+"样本属于类别：B"); sumB++; if(indata.get(r).split(",",5)[0].equals("B")) correct++; } else if (x_in_L == Math.max(Math.max(x_in_B, x_in_L), x_in_R)) { System.out.println("输入的第"+r+"样本属于类别：L"); sumL++; if(indata.get(r).split(",",5)[0].equals("L")) correct++; } else if (x_in_R == Math.max(Math.max(x_in_B, x_in_L), x_in_R)) { System.out.println("输入的第"+r+"样本属于类别：R"); sumR++; if(indata.get(r).split(",",5)[0].equals("R")) correct++; }r++; }System.out.println("使用训练样本进行分类器检验得到结果统计如下："); System.out.println("R类有："+sumR+"实际有R类样本"+catagory_R.size()+"个"); System.out.println("L类有："+sumL+"实际有L类样本"+catagory_L.size()+"个"); System.out.println("B类有："+sumB+"实际有B类样本"+catagory_B.size()+"个"); System.out.println("分类的正确率为"+correct*1.0/indata.size()*100+"%"); } }

（附件一）训练样本和测试样本集：

B,1,1,1,1 R,1,1,1,2 R,1,1,1,3 R,1,1,1,4 R,1,1,1,5 R,1,1,2,1 R,1,1,2,2 R,1,1,2,3 R,1,1,2,4 R,1,1,2,5 R,1,1,3,1 R,1,1,3,2 R,1,1,3,3 R,1,1,3,4 R,1,1,3,5 R,1,1,4,1 R,1,1,4,2 R,1,1,4,3 R,1,1,4,4 R,1,1,4,5 R,1,1,5,1 R,1,1,5,2 R,1,1,5,3 R,1,1,5,4 R,1,1,5,5 L,1,2,1,1 B,1,2,1,2 R,1,2,1,3 R,1,2,1,4 R,1,2,1,5 B,1,2,2,1 R,1,2,2,2 R,1,2,2,3 R,1,2,2,4 R,1,2,2,5 R,1,2,3,1 R,1,2,3,2 R,1,2,3,3 R,1,2,3,4 R,1,2,3,5 R,1,2,4,1 R,1,2,4,2 R,1,2,4,3 R,1,2,4,4 R,1,2,4,5 R,1,2,5,1 R,1,2,5,2 R,1,2,5,3 R,1,2,5,4 R,1,2,5,5 L,1,3,1,1 L,1,3,1,2 B,1,3,1,3 R,1,3,1,4 R,1,3,1,5 L,1,3,2,1 R,1,3,2,2 R,1,3,2,3 R,1,3,2,4 R,1,3,2,5 B,1,3,3,1 R,1,3,3,2 R,1,3,3,3 R,1,3,3,4 R,1,3,3,5 R,1,3,4,1 R,1,3,4,2 R,1,3,4,3 R,1,3,4,4 R,1,3,4,5 R,1,3,5,1 R,1,3,5,2 R,1,3,5,3 R,1,3,5,4 R,1,3,5,5 L,1,4,1,1 L,1,4,1,2 L,1,4,1,3 B,1,4,1,4 R,1,4,1,5 L,1,4,2,1 B,1,4,2,2 R,1,4,2,3 R,1,4,2,4 R,1,4,2,5 L,1,4,3,1 R,1,4,3,2 R,1,4,3,3 R,1,4,3,4 R,1,4,3,5 B,1,4,4,1 R,1,4,4,2 R,1,4,4,3 R,1,4,4,4 R,1,4,4,5 R,1,4,5,1 R,1,4,5,2 R,1,4,5,3 R,1,4,5,4 R,1,4,5,5 L,1,5,1,1 L,1,5,1,2 L,1,5,1,3 L,1,5,1,4 B,1,5,1,5 L,1,5,2,1 L,1,5,2,2 R,1,5,2,3 R,1,5,2,4 R,1,5,2,5 L,1,5,3,1 R,1,5,3,2 R,1,5,3,3 R,1,5,3,4 R,1,5,3,5 L,1,5,4,1 R,1,5,4,2 R,1,5,4,3 R,1,5,4,4 R,1,5,4,5 B,1,5,5,1 R,1,5,5,2 R,1,5,5,3 R,1,5,5,4 R,1,5,5,5 L,2,1,1,1 B,2,1,1,2 R,2,1,1,3 R,2,1,1,4 R,2,1,1,5 B,2,1,2,1 R,2,1,2,2 R,2,1,2,3 R,2,1,2,4 R,2,1,2,5 R,2,1,3,1 R,2,1,3,2 R,2,1,3,3 R,2,1,3,4 R,2,1,3,5 R,2,1,4,1 R,2,1,4,2 R,2,1,4,3 R,2,1,4,4 R,2,1,4,5 R,2,1,5,1 R,2,1,5,2 R,2,1,5,3 R,2,1,5,4 R,2,1,5,5 L,2,2,1,1 L,2,2,1,2 L,2,2,1,3 B,2,2,1,4 R,2,2,1,5 L,2,2,2,1 B,2,2,2,2 R,2,2,2,3 R,2,2,2,4 R,2,2,2,5 L,2,2,3,1 R,2,2,3,2 R,2,2,3,3 R,2,2,3,4 R,2,2,3,5 B,2,2,4,1 R,2,2,4,2 R,2,2,4,3 R,2,2,4,4 R,2,2,4,5 R,2,2,5,1 R,2,2,5,2 R,2,2,5,3 R,2,2,5,4 R,2,2,5,5 L,2,3,1,1 L,2,3,1,2 L,2,3,1,3 L,2,3,1,4 L,2,3,1,5 L,2,3,2,1 L,2,3,2,2 B,2,3,2,3 R,2,3,2,4 R,2,3,2,5 L,2,3,3,1 B,2,3,3,2 R,2,3,3,3 R,2,3,3,4 R,2,3,3,5 L,2,3,4,1 R,2,3,4,2 R,2,3,4,3 R,2,3,4,4 R,2,3,4,5 L,2,3,5,1 R,2,3,5,2 R,2,3,5,3 R,2,3,5,4 R,2,3,5,5 L,2,4,1,1 L,2,4,1,2 L,2,4,1,3 L,2,4,1,4 L,2,4,1,5 L,2,4,2,1 L,2,4,2,2 L,2,4,2,3 B,2,4,2,4 R,2,4,2,5 L,2,4,3,1 L,2,4,3,2 R,2,4,3,3 R,2,4,3,4 R,2,4,3,5 L,2,4,4,1 B,2,4,4,2 R,2,4,4,3 R,2,4,4,4 R,2,4,4,5 L,2,4,5,1 R,2,4,5,2 R,2,4,5,3 R,2,4,5,4 R,2,4,5,5 L,2,5,1,1 L,2,5,1,2 L,2,5,1,3 L,2,5,1,4 L,2,5,1,5 L,2,5,2,1 L,2,5,2,2 L,2,5,2,3 L,2,5,2,4 B,2,5,2,5 L,2,5,3,1 L,2,5,3,2 L,2,5,3,3 R,2,5,3,4 R,2,5,3,5 L,2,5,4,1 L,2,5,4,2 R,2,5,4,3 R,2,5,4,4 R,2,5,4,5 L,2,5,5,1 B,2,5,5,2 R,2,5,5,3 R,2,5,5,4 R,2,5,5,5 L,3,1,1,1 L,3,1,1,2 B,3,1,1,3 R,3,1,1,4 R,3,1,1,5 L,3,1,2,1 R,3,1,2,2 R,3,1,2,3 R,3,1,2,4 R,3,1,2,5 B,3,1,3,1 R,3,1,3,2 R,3,1,3,3 R,3,1,3,4 R,3,1,3,5 R,3,1,4,1 R,3,1,4,2 R,3,1,4,3 R,3,1,4,4 R,3,1,4,5 R,3,1,5,1 R,3,1,5,2 R,3,1,5,3 R,3,1,5,4 R,3,1,5,5 L,3,2,1,1 L,3,2,1,2 L,3,2,1,3 L,3,2,1,4 L,3,2,1,5 L,3,2,2,1 L,3,2,2,2 B,3,2,2,3 R,3,2,2,4 R,3,2,2,5 L,3,2,3,1 B,3,2,3,2 R,3,2,3,3 R,3,2,3,4 R,3,2,3,5 L,3,2,4,1 R,3,2,4,2 R,3,2,4,3 R,3,2,4,4 R,3,2,4,5 L,3,2,5,1 R,3,2,5,2 R,3,2,5,3 R,3,2,5,4 R,3,2,5,5 L,3,3,1,1 L,3,3,1,2 L,3,3,1,3 L,3,3,1,4 L,3,3,1,5 L,3,3,2,1 L,3,3,2,2 L,3,3,2,3 L,3,3,2,4 R,3,3,2,5 L,3,3,3,1 L,3,3,3,2 B,3,3,3,3 R,3,3,3,4 R,3,3,3,5 L,3,3,4,1 L,3,3,4,2 R,3,3,4,3 R,3,3,4,4 R,3,3,4,5 L,3,3,5,1 R,3,3,5,2 R,3,3,5,3 R,3,3,5,4 R,3,3,5,5 L,3,4,1,1 L,3,4,1,2 L,3,4,1,3 L,3,4,1,4 L,3,4,1,5 L,3,4,2,1 L,3,4,2,2 L,3,4,2,3 L,3,4,2,4 L,3,4,2,5 L,3,4,3,1 L,3,4,3,2 L,3,4,3,3 B,3,4,3,4 R,3,4,3,5 L,3,4,4,1 L,3,4,4,2 B,3,4,4,3 R,3,4,4,4 R,3,4,4,5 L,3,4,5,1 L,3,4,5,2 R,3,4,5,3 R,3,4,5,4 R,3,4,5,5 L,3,5,1,1 L,3,5,1,2 L,3,5,1,3 L,3,5,1,4 L,3,5,1,5 L,3,5,2,1 L,3,5,2,2 L,3,5,2,3 L,3,5,2,4 L,3,5,2,5 L,3,5,3,1 L,3,5,3,2 L,3,5,3,3 L,3,5,3,4 B,3,5,3,5 L,3,5,4,1 L,3,5,4,2 L,3,5,4,3 R,3,5,4,4 R,3,5,4,5 L,3,5,5,1 L,3,5,5,2 B,3,5,5,3 R,3,5,5,4 R,3,5,5,5 L,4,1,1,1 L,4,1,1,2 L,4,1,1,3 B,4,1,1,4 R,4,1,1,5 L,4,1,2,1 B,4,1,2,2 R,4,1,2,3 R,4,1,2,4 R,4,1,2,5 L,4,1,3,1 R,4,1,3,2 R,4,1,3,3 R,4,1,3,4 R,4,1,3,5 B,4,1,4,1 R,4,1,4,2 R,4,1,4,3 R,4,1,4,4 R,4,1,4,5 R,4,1,5,1 R,4,1,5,2 R,4,1,5,3 R,4,1,5,4 R,4,1,5,5 L,4,2,1,1 L,4,2,1,2 L,4,2,1,3 L,4,2,1,4 L,4,2,1,5 L,4,2,2,1 L,4,2,2,2 L,4,2,2,3 B,4,2,2,4 R,4,2,2,5 L,4,2,3,1 L,4,2,3,2 R,4,2,3,3 R,4,2,3,4 R,4,2,3,5 L,4,2,4,1 B,4,2,4,2 R,4,2,4,3 R,4,2,4,4 R,4,2,4,5 L,4,2,5,1 R,4,2,5,2 R,4,2,5,3 R,4,2,5,4 R,4,2,5,5 L,4,3,1,1 L,4,3,1,2 L,4,3,1,3 L,4,3,1,4 L,4,3,1,5 L,4,3,2,1 L,4,3,2,2 L,4,3,2,3 L,4,3,2,4 L,4,3,2,5 L,4,3,3,1 L,4,3,3,2 L,4,3,3,3 B,4,3,3,4 R,4,3,3,5 L,4,3,4,1 L,4,3,4,2 B,4,3,4,3 R,4,3,4,4 R,4,3,4,5 L,4,3,5,1 L,4,3,5,2 R,4,3,5,3 R,4,3,5,4 R,4,3,5,5 L,4,4,1,1 L,4,4,1,2 L,4,4,1,3 L,4,4,1,4 L,4,4,1,5 L,4,4,2,1 L,4,4,2,2 L,4,4,2,3 L,4,4,2,4 L,4,4,2,5 L,4,4,3,1 L,4,4,3,2 L,4,4,3,3 L,4,4,3,4 L,4,4,3,5 L,4,4,4,1 L,4,4,4,2 L,4,4,4,3 B,4,4,4,4 R,4,4,4,5 L,4,4,5,1 L,4,4,5,2 L,4,4,5,3 R,4,4,5,4 R,4,4,5,5 L,4,5,1,1 L,4,5,1,2 L,4,5,1,3 L,4,5,1,4 L,4,5,1,5 L,4,5,2,1 L,4,5,2,2 L,4,5,2,3 L,4,5,2,4 L,4,5,2,5 L,4,5,3,1 L,4,5,3,2 L,4,5,3,3 L,4,5,3,4 L,4,5,3,5 L,4,5,4,1 L,4,5,4,2 L,4,5,4,3 L,4,5,4,4 B,4,5,4,5 L,4,5,5,1 L,4,5,5,2 L,4,5,5,3 B,4,5,5,4 R,4,5,5,5 L,5,1,1,1 L,5,1,1,2 L,5,1,1,3 L,5,1,1,4 B,5,1,1,5 L,5,1,2,1 L,5,1,2,2 R,5,1,2,3 R,5,1,2,4 R,5,1,2,5 L,5,1,3,1 R,5,1,3,2 R,5,1,3,3 R,5,1,3,4 R,5,1,3,5 L,5,1,4,1 R,5,1,4,2 R,5,1,4,3 R,5,1,4,4 R,5,1,4,5 B,5,1,5,1 R,5,1,5,2 R,5,1,5,3 R,5,1,5,4 R,5,1,5,5 L,5,2,1,1 L,5,2,1,2 L,5,2,1,3 L,5,2,1,4 L,5,2,1,5 L,5,2,2,1 L,5,2,2,2 L,5,2,2,3 L,5,2,2,4 B,5,2,2,5 L,5,2,3,1 L,5,2,3,2 L,5,2,3,3 R,5,2,3,4 R,5,2,3,5 L,5,2,4,1 L,5,2,4,2 R,5,2,4,3 R,5,2,4,4 R,5,2,4,5 L,5,2,5,1 B,5,2,5,2 R,5,2,5,3 R,5,2,5,4 R,5,2,5,5 L,5,3,1,1 L,5,3,1,2 L,5,3,1,3 L,5,3,1,4 L,5,3,1,5 L,5,3,2,1 L,5,3,2,2 L,5,3,2,3 L,5,3,2,4 L,5,3,2,5 L,5,3,3,1 L,5,3,3,2 L,5,3,3,3 L,5,3,3,4 B,5,3,3,5 L,5,3,4,1 L,5,3,4,2 L,5,3,4,3 R,5,3,4,4 R,5,3,4,5 L,5,3,5,1 L,5,3,5,2 B,5,3,5,3 R,5,3,5,4 R,5,3,5,5 L,5,4,1,1 L,5,4,1,2 L,5,4,1,3 L,5,4,1,4 L,5,4,1,5 L,5,4,2,1 L,5,4,2,2 L,5,4,2,3 L,5,4,2,4 L,5,4,2,5 L,5,4,3,1 L,5,4,3,2 L,5,4,3,3 L,5,4,3,4 L,5,4,3,5 L,5,4,4,1 L,5,4,4,2 L,5,4,4,3 L,5,4,4,4 B,5,4,4,5 L,5,4,5,1 L,5,4,5,2 L,5,4,5,3 B,5,4,5,4 R,5,4,5,5 L,5,5,1,1 L,5,5,1,2 L,5,5,1,3 L,5,5,1,4 L,5,5,1,5 L,5,5,2,1 L,5,5,2,2 L,5,5,2,3 L,5,5,2,4 L,5,5,2,5 L,5,5,3,1 L,5,5,3,2 L,5,5,3,3 L,5,5,3,4 L,5,5,3,5 L,5,5,4,1 L,5,5,4,2 L,5,5,4,3 L,5,5,4,4 L,5,5,4,5 L,5,5,5,1 L,5,5,5,2 L,5,5,5,3 L,5,5,5,4 B,5,5,5,5

推荐阅读

• 

  mongodb被淘汰 pg取代mongodb
• 

  做视频剪辑在哪里下载素材好？还有哪个转码软件是免费的？
• 

  眉笔要根据什么颜色进行选择 眉笔的颜色如何选择
• 

  最高院出具证明文件重大失实案件的司法解释包括什么重要规定
• 

  太极拳有实战作用吗
• 

  叉叉助手凡人修真辅助使用教程
• 

  互联网营销平台 互联网效果营销业绩总额法
• 

  刷新率|华为P50系列的三大终极悬念，和屏幕、芯片、备货有关
• 

  八月|八月|我们遇到的人，都是天上的星星
• 

  redis 序列化性能对比 redis对象需要序列化
• 

  1|1 在OS X 系统中安装Python
• 

  平安普惠怎么还款？平安普惠介绍！
• 

  牛油果变色了还能吃吗
• 

  100字的简单话语
• 

  蒸螃蟹水里面要放什么东西
• 

  雷锋怎么画简单步骤
• 

  科龙空调指示灯太亮,怎么熄灯?晚上睡觉灯亮着睡不着！,这几点比较重要
• 

  redis起服务 redis命令启动服务
• 

  客户分析报告怎么写,简单的分析报告怎么写
• 

  excel筛选出符合条件的数据的操作方法 Excel筛选出符合条件的数据的操作方法

• R语言从入门到机器学习|R语言rename重命名dataframe的列名实战:rename重命名dataframe的列名（写错的列名不会被重命名）
• Pyecharts|Pyecharts 猎聘招聘数据可视化
• Python|Python--随机森林模型
• 数据挖掘|【数据挖掘】二手车交易价格预测（五）建模调参
• python|深度盘点（一文详解数据分析中100个常用指标和术语）
• python|【python】微信朋友圈数据分析及可视化（爬虫+数据挖掘）
• python|requests库请求获取不到数据怎么办（不妨试试看这种妙法）
• 还不了解数据库（Smartbi一文带你入门数据库！）
• 还不会做销售分析（掌握这3个思路，让你秒变分析高手）
• 手把手教你实现地图可视化分析