clear;
clc;
ex=importdata（‘test.txt‘）;??%讀入文件
X=ex.data;
[mn]=size（ex.textdata）;??%數據大小

Y=zeros（m）;
for?i=1:m
????if?strcmp（ex.textdata（i）‘L‘）==1
????????Y（i）=1;
????elseif?strcmp（ex.textdata（i）‘B‘）==1
????????Y（i）=2;
????else?Y（i）=3;
????end
end

%樸素貝葉斯算法實現分類問題（三類y=1y=2y=3）
%我們把所有數字序號末尾為1的留作測試集，其他未訓練集
%?m=625;???%樣本總數
%?m1=562;??%訓練集樣本數量
%?m2=63;??%測試集樣本數量

%10折10次交叉驗證
indices?=?crossvalind（‘Kfold‘m10）;?%產生10個fold，即indices里有等比例的1-10
accuracy?=?0;
for?i=1:10
????test=（indices==i）;?%邏輯判斷，每次循環選取一個fold作為測試集
????train=~test;?%取test的補集作為訓練集，即剩下的9個fold
????data_train=X（train:）;?%以上得到的數都為邏輯值，用與樣本集的選取
????label_train=Y（train:）;?%label為樣本類別標簽，同樣選取相應的訓練集
????data_test=X（test:）;?%同理選取測試集的樣本和標簽
????label_test=Y（test:）;?
????[l1l3]?=?size（label_train）;
????[l2l4]?=?size（label_test）;




????%三類樣本數量分別記為count1count2count3
????count1=0;
????count2=0;
????count3=0;


????%count_1（ij）表示在第一類（y=1）的情況下，第i個屬性是j的樣本個數
????count_1=zeros（45）;
????%count_2（ij）表示在第二類（y=2）的情況下，第i個屬性是j的樣本個數
????count_2=zeros（45）;
????%count_3（ij）表示在第三類（y=3）的情況下，第i個屬性是j的樣本個數
????count_3=zeros（45）;


????ii=1;%用來標識測試集的序號


????for?i=1:l1
????????????x=data_train（i:）;
????????????if?label_train（i）==1?
????????????????count1=count1+1;
????????????????for?j=1:4????%指示第j個屬性
????????????????????for?k=1:5????%第j個屬性為哪個值
????????????????????????if?x（j）==k
????????????????????????????count_1（jk）=count_1（jk）+1;
????????????????????????????break;
????????????????????????end
????????????????????end
????????????????end
????????????elseif?label_train（i）==2
????????????????count2=count2+1;
????????????????for?j=1:4????%指示第j個屬性
????????????????????for?k=1:5????%第j個屬性為哪個值
????????????????????????if?x（j）==k
????????????????????????????count_2（jk）=count_2（jk）+1;
????????????????????????????break;
????????????????????????end
????????????????????end
????????????????end
????????????else
????????????????count3=count3+1;
????????????????for?j=1:4????%指示第j個屬性
????????????????????for?k=1:5????%第j個屬性為哪個值
????????????????????????if?x（j）==k
????????????????????????????count_3（jk）=count_3（jk）+1;
????????????????????????????break;
????????????????????????end
????????????????????end
????????????????end
????????????end


????????%分別計算三類概率y1=p（y=1）、y2=p（y=2）、y3=p（y=3）的估計值
????????y1=count1/l1;
????????y2=count2/l1;
????????y3=count3/l1;


????????%y_1（ij）表示在第一類（y=1）的情況下，第i個屬性取值為j的概率估計值
????????%y_2（ij）表示在第二類（y=2）的情況下，第i個屬性取值為j的概率估計值
????????%y_3（ij）表示在第三類（y=3）的情況下，第i個屬性取值為j的概率估計值
????????for?i=1:4
????????????for?j=1:5
????????????????y_1（ij）=count_1（ij）/count1;
????????????????y_2（ij）=count_2（ij）/count2;
????????????????y_3（ij）=count_3（ij）/count3;
????????????end
????????end
????end


????%做預測p1p2p3分別表示輸入值xx為第1，2，3類的概率




????cc=0;???%用cc表示正確分類的樣本
????for?i=1:l2
????????xx=data_test（i:）;
????????yy=label_test（i）;
????????p1=y1*y_1（1xx（1））*y_1（2xx（2））*y_1（3xx（3））*y_1

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件????????4149??2018-06-06?19:44??matlab貝葉斯分類（2）-10折10次交叉驗證\Copy_of_beys.m
?????文件????????6873??2018-06-06?17:21??matlab貝葉斯分類（2）-10折10次交叉驗證\test.txt
?????目錄???????????0??2019-11-02?09:49??matlab貝葉斯分類（2）-10折10次交叉驗證\