生物信息學(xué)課程設(shè)計(jì)--貝葉斯算法編程實(shí)現(xiàn)(存儲版)
【正文】 hile (!(str = ()).equals()) { StringTokenizer tokenizer = new StringTokenizer(str)。 Bayes bayes = new Bayes()。 } }}package 。 i ()。 } public String calculateProbabilityOfClass( ArrayListArrayListString datas, ArrayListString testT) { MapString, ArrayListArrayListString doc = this .accordingDateOfClassToSort(datas)。 double pOfC = ((), (), 3)。 } /** private double pOfV(ArrayListArrayListString d, String value, int index) { double p = 。 return p。 i++) { if ((i).get(index).equals(value)) { count++。 maxPIndex = i。 i++) { String c = classes[i].toString()。 (c, nt)。 ArrayListString t = null。 (The class is: + c)。 ArrayListArrayListString datas = null。 BufferedReader reader = new BufferedReader(new InputStreamReader( ))。import .*。 BigDecimal b2 = new BigDecimal(v2)。 return ()。 } BigDecimal b = new BigDecimal((v))。 BigDecimal b2 = new BigDecimal((v2))。public class DecimalCalculate { private static final int DEF_DIV_SCALE = 10。也就是說，樸素貝葉斯分類將未知樣本分配給Ci（1=i=m），當(dāng)且僅當(dāng)P（Ci|X）P（Cj|X），j=1，2,…m，j不等于i這樣最大的P（Ci|X）對應(yīng)的類Ci稱為最大后驗(yàn)假定。而在屬性相關(guān)性較小時(shí)，NBC模型的性能最為良好。ve Bayes，NB)分類算法可以與決策樹和神經(jīng)網(wǎng)絡(luò)分類算法相媲美，且方法簡單、分類準(zhǔn)確率高、速度快。 貝葉斯算法特點(diǎn)和決策樹模型相比，樸素貝葉斯模型發(fā)源于古典數(shù)學(xué)理論，有著堅(jiān)實(shí)的數(shù)學(xué)基礎(chǔ)，以 及穩(wěn)定的分類效率。對與分類問題，希望確定P(H|X)，即給定觀測數(shù)據(jù)樣本X，假定H成立的概率。P（X|Ci）=、基于對問題的java算法分析首先需要將所有的訓(xùn)練數(shù)據(jù)讀入到ArrayListArrayListString對象集合中去，其中每一條訓(xùn)練數(shù)據(jù)對應(yīng)一個(gè)ArrayListString對象集合。
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1