#?-*-?coding:?utf-8?-*-
“““
Created?on?Tue?May?01?16:08:32?2018

@author:?Fsl
“““

import?numpy?as?np
import?cv2
import?time
import?matplotlib.pyplot?as?plt
from?sklearn.metrics?import?accuracy_score
from?readset?import?loadImageSet
from?readset?import?loadLabelSet

#?二值化
def?binaryzation（img）:
????cv_img?=?img.astype（np.uint8）
????cv2.threshold（cv_img501cv2.cv.CV_THRESH_BINARY_INVcv_img）
????return?cv_img

def?Train（trainsettrain_labels）:
????prior_probability?=?np.zeros（class_num）?????????????????????????#?先驗概率
????conditional_probability?=?np.zeros（（class_numfeature_len2））???#?條件概率

????#?計算先驗概率及條件概率
????for?i?in?range（len（train_labels））:
????????img?=?binaryzation（trainset[i]）?????#?圖片二值化
????????imgsize=np.reshape（img[2828]）
????????label?=?train_labels[i]

????????prior_probability[label]?+=?1

????????for?j?in?range（feature_len）:
????????????t=img[j]
????????????conditional_probability[label[0]][j][t]?+=?1
????????????
????#?將概率歸到[1.10001]
????for?i?in?range（class_num）:
????????for?j?in?range（feature_len）:

????????????#?經過二值化后圖像只有0，1兩種取值
????????????pix_0?=?conditional_probability[i][j][0]
????????????pix_1?=?conditional_probability[i][j][1]

????????????#?計算0，1像素點對應的條件概率
????????????probalility_0?=?（float（pix_0）/float（pix_0+pix_1））*1000000?+?1
????????????probalility_1?=?（float（pix_1）/float（pix_0+pix_1））*1000000?+?1

????????????conditional_probability[i][j][0]?=?probalility_0
????????????conditional_probability[i][j][1]?=?probalility_1

????return?prior_probabilityconditional_probability

#?計算概率
def?calculate_probability（imglabel）:
????probability?=?int（prior_probability[label]）

????for?i?in?range（len（img））:
????????probability?*=?int（conditional_probability[label][i][img[i]]）

????return?probability

def?Predict（testsetprior_probabilityconditional_probability）:
????predict?=?[]

????for?img?in?testset:

????????#?圖像二值化
????????img?=?binaryzation（img）
????????
????????max_label?=?0
????????max_probability?=?calculate_probability（img0）

????????for?j?in?range（110）:
????????????probability?=?calculate_probability（imgj）

????????????if?max_probability?????????????????max_label?=?j
????????????????max_probability?=?probability

????????predict.append（max_label）

????return?np.array（predict）


class_num?=?10
feature_len?=?784

if?__name__?==?‘__main__‘:

????print?‘Start?read?data‘

????time_1?=?time.time（）

????#?讀取訓練數據與測試數據
????train_features=loadImageSet（0）
????test_features=loadImageSet（1）
????train_labels=loadLabelSet（0）
????test_labels?=?loadLabelSet（1）
????#?print?train_features.shape
????#?print?train_features.shape

????time_2?=?time.time（）
????print?‘read?data?cost?‘time_2?-?time_1‘?second‘‘\n‘

????print?‘Start?training‘
????prior_probabilityconditional_probability?=?Train（train_featurestrain_labels）
????time_3?=?time.time（）
????print?‘training?cost?‘time_3?-?time_2‘?second‘‘\n‘

??

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????3548??2018-05-02?13:24??基于Mnist數據集的貝葉斯分類器\bayes.py

?????文件???????1844??2018-05-01?16:51??基于Mnist數據集的貝葉斯分類器\readset.py

?????目錄??????????0??2018-05-04?17:57??基于Mnist數據集的貝葉斯分類器

-----------?---------??----------?-----??----

?????????????????5392????????????????????3