Java實現樸素貝葉斯算法 - 需要一些指導

Question

一所學校分配我我需要實現樸素貝葉斯算法，我打算用Java做的。

爲了理解它是如何完成的，我已經閱讀了「數據挖掘 - 實用機器學習工具和技術」一書，其中有一節關於這個主題，但我仍然不確定一些阻礙我進步的主要觀點。

因爲我尋求指導這裏不解決，我會告訴你們我在我的腦袋思考，我認爲是正確的做法，並要求回饋，這將非常理解校正/指導。請注意，我是NaïveBayes算法，數據挖掘和一般編程的絕對初學者，因此您可能會在下面看到愚蠢的評論/計算結果：

我給出的訓練數據集有4個屬性/屬性是數字的，歸一化（在範圍[0 1]）使用Weka的（沒有缺失值）和一個標稱類（是/否）

1）中的數據從一個csv文件來爲數字因此

*給出的屬性來數字我使用PDF（概率密度函數）公式。
+要計算PDF在java中我第一次分離基礎上，他們無論是在課堂上是或類中沒有的屬性，並把它們分成不同的陣列 (array class yes and array class no)
+然後計算平均值（ sum of the values in row/number of values in that row）和標準占卜爲每的4個屬性（列）的每個類的
+現在找到在給定值的PDF（n）的我做 (n-mean)^2/(2*SD^2),
+然後找到 P(yes | E)和 P(no | E)我 multiply the PDF value of all 4 given attributes and compare which is larger，這表明它所屬的類，以

在Java的模式中，我使用ArrayList of ArrayList和Double來存儲屬性值。

最後我不確定如何獲取新的數據？我應該要求輸入文件（如csv）或命令提示符並要求4個值嗎？

我會停在這裏，現在（確實有更多的問題），但我很擔心，這不會得到鑑於其有多久任何響應。我會非常感謝那些給我們時間閱讀我的問題和評論的人。

Answer 1

你在做什麼幾乎是正確的。

  + 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 

在這裏，你忘了乘先驗概率P（是）或P（無）。記住決定公式：

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

對於樸素貝葉斯（以及任何其他監督學習/分類算法），你需要有訓練數據和測試數據。您可以使用訓練數據來訓練模型並對測試數據進行預測。您可以簡單地使用培訓數據作爲測試數據。或者您可以將csv文件分成兩部分，一部分用於培訓，另一部分用於測試。你也可以在csv文件上進行交叉驗證。