MATLAB：具有单变量高斯的朴素贝叶斯

Posted 2023-03-12

【中文标题】MATLAB：具有单变量高斯的朴素贝叶斯

【英文标题】：MATLAB: Naive Bayes with Univariate Gaussian

【发布时间】：2012-09-24 22:03:24

【问题描述】：

我正在尝试使用 UCI 机器学习团队发布的数据集来实现朴素贝叶斯分类器。我是机器学习的新手，并试图了解用于我的工作相关问题的技术，所以我认为最好先理解理论。

我正在使用 pima 数据集 (Link to Data - UCI-ML)，我的目标是为 K 类问题构建朴素贝叶斯单变量高斯分类器（数据仅适用于 K=2）。我已经完成了数据拆分，并计算了每个班级的平均值、标准偏差、每个班级的先验，但在此之后我有点卡住了，因为我不确定在此之后我应该做什么以及如何做。我有一种感觉，我应该计算后验概率，

这是我的代码，我使用百分比作为向量，因为我想看到当我从 80:20 拆分增加训练数据大小时的行为。基本上，如果您通过 [10 20 30 40]，它将从 80:20 拆分中获取该百分比，并使用 80% 的 10% 作为训练。

function[classMean] = naivebayes(file, iter, percent)
dm = load(file);
    for i=1:iter
        idx = randperm(size(dm.data,1))
        %Using same idx for data and labels
        shuffledMatrix_data = dm.data(idx,:);
        shuffledMatrix_label = dm.labels(idx,:);
        percent_data_80 = round((0.8) * length(shuffledMatrix_data));
        %Doing 80-20 split
        train = shuffledMatrix_data(1:percent_data_80,:);
        test = shuffledMatrix_data(percent_data_80+1:length(shuffledMatrix_data),:);
        train_labels = shuffledMatrix_label(1:percent_data_80,:)
        test_labels = shuffledMatrix_data(percent_data_80+1:length(shuffledMatrix_data),:);
        %Getting the array of percents
        for pRows = 1:length(percent)
            percentOfRows = round((percent(pRows)/100) * length(train));
            new_train = train(1:percentOfRows,:)
            new_trin_label = shuffledMatrix_label(1:percentOfRows)
            %get unique labels in training
            numClasses = size(unique(new_trin_label),1)
            classMean = zeros(numClasses,size(new_train,2));
            for kclass=1:numClasses
                classMean(kclass,:) = mean(new_train(new_trin_label == kclass,:))
                std(new_train(new_trin_label == kclass,:))
                priorClassforK = length(new_train(new_trin_label == kclass))/length(new_train)
                priorClassforK_1 = 1 - priorClassforK
            end
        end
    end
end

【参考方案1】：

首先，根据频率计数计算每个类别标签的概率。对于数据集中给定的数据样本和给定的类，您可以计算每个特征的概率。之后，将样本中所有特征的条件概率相互乘以所考虑的类标签的概率。最后，比较所有类标签的值，选择概率最大的类标签（贝叶斯分类规则）。

为了计算条件概率，您可以简单地使用正态分布函数。