贝叶斯分类算法

贝叶斯分类算法

matlab源程序：

A1=[2 4 3 2 4 3 3 6 6 3;3 0 2 2 2 1 4 1 2 3];

B1=[9;5];

C1=[A1,B1] %类别为C j及在C j条件下A i取a i的样例数

A2=[A1(1,:)./B1(1);A1(2,:)./B1(2)];

B2=[B1(1)/sum(B1);B1(2)/sum(B1)]

C2=[A2,B2] %先验概率P(C j) 和条件概率P(a i|C j)

disp('样本x={Sunny,Hot,High,Weak}')

P1=C2(1,1)*C2(1,4)*C2(1,7)*C2(1,9)*C2(1,11); %等于Yes的概率P(Yes|x)

P2=C2(2,1)*C2(2,4)*C2(2,7)*C2(2,9)*C2(2,11); %等于No的概率P(No|x)

disp('等于yes的概率P(Yes|x)=')

disp(P1)

disp('等于No的概率P(No|x)=')

disp(P2)

max(P1,P2); %选择其中概率最大的类别作为x的类别if P1>=P2

disp('x分类为Yes')

else

disp('x分类为No')

end

运行结果：

C1 =

2 4

3 2

4 3 3 6 6 3 9

3 0 2 2 2 1

4 1 2 3

5 B2 =

0.6429

0.3571

C2 =

Columns 1 through 8

0.2222 0.4444 0.3333 0.2222 0.4444 0.3333 0.3333 0.6667

0.6000 0 0.4000 0.4000 0.4000 0.2000 0.8000 0.2000

Columns 9 through 11

0.6667 0.3333 0.6429

0.4000 0.6000 0.3571

样本x={Sunny,Hot,High,Weak}

等于yes的概率P(Yes|x)=

0.0071

等于no的概率P(No|x)=

0.0274

x分类为No