機械学習（周志華）参考答案第七章ベキス分類器7.6

機械学習（周志華）参考答案第七章ベキス分類器7.6
機械学習（周志華スイカ本）参考答案カタログ

http://blog.csdn.net/icefire_tyh/articale/detail/520644910

機械学習（周志華）参考答案第七章ベキス分類器

http://blog.csdn.net/icefire_tyh/articale/detail/52167273

7.6.プログラミングを試してAODE分類器を実現し、スイカデータセット3.0をトレーニングセットにして、「測定1」サンプルを分類します。このテーマは3.3とほぼ同じで、半シンプルなベノス分類器を使っています。各ノードが他のすべてのノードであると仮定しています。しきい値は通常30に設定されているが、ここでは明らかにしきい値の制限がない。計算結果が正の確率は0.099で、負の確率は0.000458です。連続属性の結合確率が面倒くさいので、ここでは離散属性だけを処理して判断します。

x = xlsread('C:\Users\icefire\Desktop\ml\  3.xlsx', 'sheet1', 'A1:Q6');
y = xlsread('C:\Users\icefire\Desktop\ml\  3.xlsx', 'sheet1', 'A9:Q9');

%    
test=x(:,1);
%     
pn=[3; 3; 3; 3; 3; 2];

pc=0;   %      
nc=0;   %      

% 6       
for i=1:6
    c=zeros(2,1);
    %    ，  p（xi|c）
   for j=1:17
       if(x(i,j)==test(i))
           c(y(j))=c(y(j))+1;
       end
   end
   tpc=1;
   tnc=1;
   %    ，  p（xj|c,xi）
   for j=1:6
       ct=zeros(2,1);
       for k=1:17
           if(x(i,k)==test(i) && x(j,k)==test(j))
               ct(y(j))=ct(y(j))+1;
           end
       end
       tpc = tpc * (ct(1)+1)/(c(1)+pn(j));
       tnc = tnc * (ct(2)+1)/(c(2)+pn(j));
   end
   pc=pc+(c(1)+1)/(8+pn(i))*tpc;
   nc=nc+(c(2)+1)/(9+pn(i))*tnc;
end