山东大学机器学习（实验四解读）——朴素贝叶斯

最新推荐文章于 2024-05-14 16:56:54 发布

原创

最新推荐文章于 2024-05-14 16:56:54 发布 · 1.7k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #朴素贝叶斯 #山东大学机器学习实验

本文详细解读了山东大学机器学习实验四的内容，重点探讨朴素贝叶斯方法。实验中，通过训练集和测试集的划分，评估了模型在不同训练集大小下的性能。结果显示，即使训练集大小变化，朴素贝叶斯模型的预测正确率始终保持在约0.9，表现出稳定的效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

实验所给的convData.m是将大小为12960的nursery.data.txt数据集分割成一份大小为10000的训练集training_data.txt和大小为2960的测试集test_data.txt。

问题1

%--------------------------------LogMLE.m--------------------------------
function [label_pre,sum,sucess_rate] = LogMLE(test,train)
    [train_row,train_col] = size(train);
    test_num = size(test,1);
    %记录每个类对应的对数似然函数值，最大值对应的下标减1即最终我们预测的类
    label_for_MLE = zeros(test_num,5);
    label_pre = zeros(test_num,1); %存储所有我们预测的类
    label_num = max(train(:,end)); %类别总数
    for i = 1:test_num
        for y = 0:label_num
            count_y = length(find(train(:,train_col)==y));
            p_y = count_y/(train_row+label_num);
            log_count_xy = 0;
            for j = 1:train_col-1
                count_xy =