数据挖掘实验报告 Wine recognition data 实验报告[实用论文].docVIP

数据挖掘实验报告 ——Wine recognition data 一．实验数据源介绍——Wine recognition data 该实验的的数据源是Wine recognition data，这是对在意大利同一地区生产的三种不同品种的酒，做大量分析所得出的数据。这些数据包括了三种酒中13种不同成分的数量。13种成分分别为：Alcohol，Malic acid，Ash，Alcalinity of ash，Magnesium，Total phenols，Flavanoids，Nonflavanoid phenols，Proanthocyanins，Color intensity，Hue，OD280/OD315 of diluted wines，Proline。在 “wine.data”文件中，每行代表一种酒的样本，共有178个样本；一共有14列，其中，第一列为类标志属性，共有三类，分别记为“1”，“2”，“3”；后面的13列为每个样本的对应属性的样本值。其中第1类有59个样本，第2类有71个样本，第3类有48个样本。 由于数据源文件中的每个样本的数据都是完整的，没有空缺值等，所以我没有对该数据源文件进行数据的清理工作。 二．数据挖掘算法——朴素贝叶斯分类算法 经过几天对算法的研究，我最终选择了用贝叶斯分类算法来实现。由于这个数据集有13个属性，用决策树实现起来会很复杂。 1.贝叶斯定理 后验概率(posteriori probabilities):P(H|X)表示条件X下H的概率. 贝叶斯定理: P(H|X)=P(X|H)P(H)/P(X) 2.朴素贝叶斯分类 每个数据样本用一个n维特征向量X={x1,x2,…,xn}表示，分别描述对n个属性A1,A2,..,An样本的n个度量。假定有m个类C1,…，Cm,对于数据样本X,分类法将预测X属于类Ci,当且仅当：P(Ci|X) P(Cj|X),1=j=m而且j不等于i。 根据贝叶斯定理, ：P(Ci|X)=P(X|Ci)P(Ci)/P(X) 由于P(X)对于所有类都是常数,只需最大化P(X|Ci)P(Ci)，计算P(X|Ci),朴素贝叶斯分类假设类条件独立.即给定样本属性值相互条件独立，即： ，在使用中，p常用频度代替 三．贝叶斯算法源代码 void bayes() { int count1 = 0, count2 = 0, count3 = 0; int i; for(i = 0; i TrainNum ; i++) { if(trainData[i].A1 == 1) { count1 ++; } if(trainData[i].A1 == 2) { count2 ++; } if(trainData[i].A1 == 3) { count3 ++; }//统计三类数据,各自求和 } A[0] = (double)count1/(double)TrainNum; //求先验概率 A[1] = (double)count2/(double)TrainNum; A[2] = (double)count3/(double)TrainNum; mapdouble, double::iterator pipei; for(i = 0 ; i TrainNum; i++) { if(trainData[i].A1 == 1) //求 P(Xk|C1) 中Xk的个数 { int j=0; for(;j 13 ;j++) { double temp = *(trainData[i].A2+j); pipei = C1_map[j].find(temp); if(pipei == C1_map[j].end()) { C1_map[j].insert(mapdouble, double::value_type(temp,1)); } else { double j = pipei-second; pipei-second = j + 1; } } } if(trainData[i].A1 == 2) //求 P(Xk|C2) 中Xk的个数 { int j = 0; for(;j 13 ;j++) { double temp = *(trainData[i].A2+j); pipei = C2_map[j].find(temp);