- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我们最近在机器学习类(class)中研究了朴素贝叶斯分类器,现在我正尝试在 Fisher Iris 数据集上实现它作为 self 练习。这个概念简单明了,但连续属性涉及一些技巧。我阅读了一些文献资源,这些文献资源建议使用高斯近似来计算测试数据值的概率,因此我将在我的代码中使用它。
现在我尝试最初运行它以获取 50% 的训练数据和 50% 的测试数据样本,但缺少一些内容。当前的代码总是为所有测试样本预测类 1(我使用整数来表示类),这显然是错误的。
我的猜测是,问题可能是由于代码省略了规范化?尽管我认为添加归一化仍然会产生成比例的结果,并且到目前为止,我的归一化尝试已经产生了相同的分类结果。
如果这里有明显遗漏的东西,有人可以提出建议吗?或者如果我没有接近这个权利?由于大部分代码都是“机制”,因此我突出显示了(****************)负责计算的两行代码。感谢任何帮助,谢谢!
nsamples=75; % 50% samples
% acquire training set and test set
[trainingSample,idx] = datasample(data,nsamples,'Replace',false);
testData = data(setdiff(1:150,idx),:);
% define Gaussian function
%***********************************************************%
Phi=@(mu,sig2,x) (1/sqrt(2*pi*sig2))*exp(-((x-mu)^2)/2*sig2);
%***********************************************************%
for c=1:3 % for 3 classes in training set
clear y x mu sig2;
index=1;
for i=1 : length(trainingSample)
if trainingSample(i,5)==c
y(index,:)=trainingSample(i,:); % filter current class samples
index=index+1; % for conditional probabilities
end
end
for j=1:size(testData,1) % iterate over test samples
clear pf p;
for i=1:4 % iterate over columns
x=testData(j,i); % representing attributes
mu=mean(y(:,i));
sig2=var(y(:,i));
pf(i) = Phi(mu,sig2,x); % calc conditional probability
end
% calc class likelihood; prior * posterior
%*****************************************************%
pc(j,c) = size(y,1)/nsamples * pf(1)*pf(2)*pf(3)*pf(4);
%*****************************************************%
end
end
% find the predicted class for each test sample
% by taking the max probability calculated
for i=1:size(pc,1)
[~,q]=max(pc(i,:));
predicted(i)=q;
actual(i)=testData(i,5);
end
最佳答案
归一化不是必需的,因为这些功能只是相互比较。
p(class|thing) = p(class)p(thing|class) =
= p(class)p(feature_1|class)p(feature_2|class)...p(feature_N|class)
因此,当拟合分布的参数feature_i|class
时,在这种情况下(mu,sigma2),它只会重新调整参数(对于新的“比例”),但概率仍将是一样。
由于大量的索引和训练/测试的分割等,很难阅读 matlab 代码。这可能是问题根源。你应该尝试一些少一些不必要的东西(例如,我会推荐带有 scikit-learn 的 python,很多用于分割数据的助手,诸如 http://scikit-learn.org/ )。
将训练数据和测试数据分开,并且仅使用训练数据训练模型并使用测试数据测试训练后的模型非常重要。 (完成了吗?)
下一步是检查参数,最简单的方法是打印出来(健全性检查)或..
对于每个特征,渲染安装在数据直方图旁边的高斯钟形,以查看它们是否匹配(请记住,每个直方图条的高度必须为 number_of_samples_within_range/total_number_of_samples
。
可视化数据和模型对于了解正在发生的情况非常重要。
关于matlab - 朴素贝叶斯分类器——标准化是否必要?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/21567852/
我正在使用 this solution在二进制矩阵中找到与图像边界对齐的矩形。假设现在我想找到一个不与图像边框对齐的矩形,并且我不知道它的方向;找到它的最快方法是什么? 为了示例,让我们寻找一个仅包含
else: 行在这个 Python 程序中是否正确/必要? from random import randrange for n in range(10): r = randrange(0,1
在 TDPL 7.1.5.1 中讨论了将 Widget w2 分配给 w1 并且作者指出“将 w2 逐个字段分配给 w1 会将 w2.array 分配给 w1.array——一个简单的数组边界分配,而
我是一名优秀的程序员,十分优秀!