java贝叶斯
public static void main(String[] args){
int n=10;//定义n
int[] π={};//定义存放π的数组
for(int i=0;i++;i<n){
π[i]=Ф;
int Pold=g(i,π[i]);//调用g方法
boolean OkToProceed=true;//定义布尔值
while(OkToProceed &&Math.abs(π[i])<u){
//写不下去了。。。好多都不知道是什么方法
}
}
}
B. （C++或java）贝叶斯分类器分多类的话怎么设计
最简单的你可以使用Matlab自带的NaiveBayes.fit()函数。
如果一定要自己设计，你可以采用one-versus-all策略，将多个二元分类器组合成多元分类器。
祝你成功。
C. 如何用java编写naivebayes
1.关于贝叶斯分类
bayes 是一种统计学分类方法，它基于贝叶斯定理，它假定一个属性值对给定类的影响独立于其它属性点的值。该假定称作类条件独立。做次假定是为了简化所需计算，并在此意义下称为“朴素的”。
bayes分类的算法大致如下：
（1）对于属性值是离散的，并且目标label值也是离散的情况下。分别计算label不同取值的概率，以及样本在label情况下的概率值，然后将这些概率值相乘最后得到一个概率的乘积，选择概率乘积最大的那个值对应的label值就为预测的结果。
例如以下：是预测苹果在给定属性的情况是甜还是不甜的情况：
color={0,1,2,3} weight={2,3,4};是属性序列，为离散型。sweet={yes,no}是目标值，也为离散型；
这时我们要预测在color=3,weight=3的情况下的目标值，计算过程如下：
P{y=yes}=2/5=0.4; P{color=3|yes}=1/2=0.5;P{weight=3|yes}=1/2=0.5; 故F{color=3,weight=3}取yesd的概率为 0.4*0.5*0.5=0.1;
P{y=no}=3/5=0.6; P{color=3|no}=1/3 P{weight=3|no}=1/3; 故P{color=3,weight=3}取no为 0.6*1/3*1/3=1/15;
0.1>1/15 所以认为 F{color=3,weight=3}=yes;
(2)对于属性值是连续的情况，思想和离散是相同的，只是这时候我们计算属性的概率用的是高斯密度：
这里的Xk就是样本的取值，u是样本所在列的均值，kesi是标准差；
最后代码如下：
/*
* To change this template, choose Tools | Templates
* and open the template in the editor.
*/
package auxiliary;
import java.util.ArrayList;
/**
*
* @author Michael Kong
*/
public class NaiveBayes extends Classifier {
boolean isClassfication[];
ArrayList <Double>lblClass=new ArrayList<Double>(); //存储目标值的种类
ArrayList<Integer>lblCount=new ArrayList<Integer>();//存储目标值的个数
ArrayList<Float>lblProba=new ArrayList<Float>();//存储对应的label的概率
CountProbility countlblPro;
/*@ClassListBasedLabel是将训练数组按照 label的顺序来分类存储*/
ArrayList<ArrayList<ArrayList<Double>>> ClassListBasedLabel=new ArrayList<ArrayList<ArrayList<Double>>> ();
public NaiveBayes() {
}
@Override
/**
* @train主要完成求一些概率
* 1.labels中的不同取值的概率f(Yi); 对应28,29行两段代码
* 2.将训练数组按目标值分类存储 第37行代码
* */
public void train(boolean[] isCategory, double[][] features, double[] labels){
isClassfication=isCategory;
countlblPro=new CountProbility(isCategory,features,labels);
countlblPro.getlblClass(lblClass, lblCount, lblProba);
ArrayList<ArrayList<Double>> trainingList=countlblPro.UnionFeaLbl(features, labels); //union the features[][] and labels[]
ClassListBasedLabel=countlblPro.getClassListBasedLabel(lblClass, trainingList);
}
@Override
/**3.在Y的条件下，计算Xi的概率 f(Xi/Y)；
* 4.返回使得Yi*Xi*...概率最大的那个label的取值
* */
public double predict(double[] features) {
int max_index; //用于记录使概率取得最大的那个索引
int index=0; //这个索引是 标识不同的labels 所对应的概率
ArrayList<Double> pro_=new ArrayList<Double>(); //这个概率数组是存储features[] 在不同labels下对应的概率
for(ArrayList<ArrayList<Double>> elements: ClassListBasedLabel) //依次取不同的label值对应的元祖集合
{
ArrayList<Double> pro=new ArrayList<Double>();//存同一个label对应的所有概率，之后其中的元素自乘
double probility=1.0; //计算概率的乘积
for(int i=0;i<features.length;i++)
{
if(isClassfication[i]) //用于对属性的离散还是连续做判断
{
int count=0;
for(ArrayList<Double> element:elements) //依次取labels中的所有元祖
{
if(element.get(i).equals(features[i])) //如果这个元祖的第index数据和b相等，那么就count就加1
count++;
}
if(count==0)
{
pro.add(1/(double)(elements.size()+1));
}
else
pro.add(count/(double)elements.size()); //统计完所有之后 计算概率值 并加入
}
else
{
double Sdev;
double Mean;
double probi=1.0;
Mean=countlblPro.getMean(elements, i);
Sdev=countlblPro.getSdev(elements, i);
if(Sdev!=0)
{
probi*=((1/(Math.sqrt(2*Math.PI)*Sdev))*(Math.exp(-(features[i]-Mean)*(features[i]-Mean)/(2*Sdev*Sdev))));
pro.add(probi);
}
else
pro.add(1.5);
}
}
for(double pi:pro)
probility*=pi; //将所有概率相乘
probility*=lblProba.get(index);//最后再乘以一个 Yi
pro_.add(probility);// 放入pro_ 至此 一个循环结束，
index++;
}
double max_pro=pro_.get(0);
max_index=0;
for(int i=1;i<pro_.size();i++)
{
if(pro_.get(i)>=max_pro)
{
max_pro=pro_.get(i);
max_index=i;
}
}
return lblClass.get(max_index);
}
public class CountProbility
{
boolean []isCatory;
double[][]features;
private double[]labels;
public CountProbility(boolean[] isCategory, double[][] features, double[] labels)
{
this.isCatory=isCategory;
this.features=features;
this.labels=labels;
}
//获取label中取值情况
public void getlblClass( ArrayList <Double>lblClass,ArrayList<Integer>lblCount,ArrayList<Float>lblProba)
{
int j=0;
for(double i:labels)
{
//如果当前的label不存在于lblClass则加入
if(!lblClass.contains(i))
{
lblClass.add(j,i);
lblCount.add(j++,1);
}
else //如果label中已经存在，就将其计数加1
{
int index=lblClass.indexOf(i);
int count=lblCount.get(index);
lblCount.set(index,++count);
}
}
for(int i=0;i<lblClass.size();i++)
{
// System.out.println("值为"+lblClass.get(i)+"的个数有"+lblCount.get(i)+"概率是"+lblCount.get(i)/(float)labels.length);
lblProba.add(i,lblCount.get(i)/(float)labels.length);
}
}
//将label[]和features[][]合并
public ArrayList<ArrayList<Double>> UnionFeaLbl(double[][] features, double[] labels)
{
ArrayList<ArrayList<Double>>traingList=new ArrayList<ArrayList<Double>>();
for(int i=0;i<features.length;i++)
{
ArrayList<Double>elements=new ArrayList<Double>();
for(int j=0;j<features[i].length;j++)
{
elements.add(j,features[i][j]);
}
elements.add(features[i].length,labels[i]);
traingList.add(i,elements);
}
return traingList;
}
/*将测试数组按label的值分类存储*/
public ArrayList<ArrayList<ArrayList<Double>>> getClassListBasedLabel (ArrayList <Double>lblClass,ArrayList<ArrayList<Double>>trainingList)
{
ArrayList<ArrayList<ArrayList<Double>>> ClassListBasedLabel=new ArrayList<ArrayList<ArrayList<Double>>> () ;
for(double num:lblClass)
{
ArrayList<ArrayList<Double>> elements=new ArrayList<ArrayList<Double>>();
for(ArrayList<Double>element:trainingList)
{
if(element.get(element.size()-1).equals(num))
elements.add(element);
}
ClassListBasedLabel.add(elements);
}
return ClassListBasedLabel;
}
public double getMean(ArrayList<ArrayList<Double>> elements,int index)
{
double sum=0.0;
double Mean;
for(ArrayList<Double> element:elements)
{
sum+=element.get(index);
}
Mean=sum/(double)elements.size();
return Mean;
}
public double getSdev(ArrayList<ArrayList<Double>> elements,int index)
{
double dev=0.0;
double Mean;
Mean=getMean(elements,index);
for(ArrayList<Double> element:elements)
{
dev+=Math.pow((element.get(index)-Mean),2);
}
dev=Math.sqrt(dev/elements.size());
return dev;
}
}
}
D. 贝叶斯网络主流工具软件
目前国际上存在许多种 BN 处理工具，一般均同时支持多种图模型处理。下面介绍几种比较常见的 BN 工具软件。
( 1) Hugin Expert: 该软件包括一系列产品，自称是基于 BN 的人工智能领域的领航者，既可作为单个工具使用，也可集成到其他产品中使用。目前在软件、医学、工业、军事、警容、信息处理以及农业等多个领域得到了广泛应用。如用应用于 NOKIA 公司的移动网络故障诊断、医学决策支持、隧道施工设计阶段的决策支持、数据挖掘及风险评估等。
( 2) 微软的 BBN( Microsoft Belief Networks) : 该软件采用视窗界面，界面友好且操作简单，并且提供了 API 接口，以供 VB 调用。缺点是用户不能自主选择概率推理算法，且不提供结构学习功能，即不能从数据中学习建立 BN 模型。
( 3) Netica: 该软件是加拿大 Norsys 软件公司开发研制的图模型处理工具。其主要特点是提供了图形化的建模界面及概率参数展示界面，方便直观且易于操作，并且提供了 API接口，供 Java 调用。缺点是用户不能自主选择概率推理算法。
( 4) Ergo: 该软件是由 Noetic 公司开发研制的可视化建模分析软件，它功能单一且应用范围较窄，主要用于专家系统的建立，对节点的个数和状态空间的范围都有一定程度上的限制。
( 5) BNJ: 是由肯尼索州立大学开发的开放源码软件，采用视窗界面，兼容其他 BN 建模软件的文件格式，包括 Netica、Ergo、Hugin Expert、GeNie 等。支持精确推理和近似推理、结构学习和参数学习，并且提供了 API 接口供调用。该软件最大的缺点是可操作性差，且帮助功能相对较弱。
( 6) GeNie 2. 0: 该软件是匹兹堡大学决策系统实验室( Decision Systems Laboratory，U-niversity of Pittsburgh) 开发研制的图模型处理软件。采用了图形化建模界面，界面直观，操作简单，提供多种推理算法，且支持结构学习和参数学习。该实验室还用 VC + + 开发了API 接口 SmileX 和 Smile. net ，以供 VB、VC + + 、Java、C Sharp 等多种语言调用。
上述工具各有特点，本文选用了 GeNie 软件及其提供的 Smile. net 软件包，进行 BN 模型构建、BN 学习及推理等工作。图 2. 1 为 GeNie 2. 0 软件的主界面。
图 2. 1 Genie2. 0 主界面
E. 怎么用java实现贝叶斯公式
。。。估计没人懂
叶斯公式。。。。 大多数程序员 数学渣渣
F. Java软件工程师主要学习哪些课程
很多新手在学习java的时候都比较迷茫，不知道从哪里开始学起，这里就给大家整理了一份java开发学习路线，比较系统全面，可参考这份大纲来安排学习计划，希望可以帮到你~
最新java学习路线：第一阶段：java业基础课程
阶段目标：
1、熟练掌握java的开发环境与编程核心知识；
2、熟练运用java面向对象知识进行程序开发；
3、对java的核心对象和组件有深入理解；
4、熟练运用javaAPI相关知识；
5、熟练应用java多线程技术；
6、能综合运用所学知识完成一个项目。
知识点：
1、基本数据类型，运算符，数组，掌握基本数据类型转换，运算符，流程控制；
2、数组，排序算法，java常用API，类和对象，了解类与对象，熟悉常用API；
3、面向对象特征，集合框架，熟悉面向对象三大特征，熟练使用集合框架；
4、IO流，多线程；
5、网络协议，线程运用。
第二阶段：javaWEB核心课程
阶段目标：
1、熟练掌握数据库和Mysql核心技术；
2、深入理解JDBC与DAO数据库操作；
3、熟练运用JSP及Servlet技术完成网站后台开发；
4、深入理解缓存、连继池、注解、反射、泛型等知识；
5、能够运用所学知识完成自定义框架。
知识点：
1、数据库知识，范式，MySQL配置，命令，建库建表，数据的增删改查，约束，视图，存储过程，函数，触发器，事务，游标，建模工具。
2、深入理解数据库管理系统通用知识及MySQL数据库的使用与管理。为Java后台开发打下坚实基础。Web页面元素，布局，CSS样式，盒模型，JavaScript，jQuery。
3、掌握前端开发技术，掌握jQuery。
4、Servlet，EL表达式，会话跟踪技术，过滤器，FreeMarker。
5、掌握Servlet相关技术，利用Servlet，JSP相关应用技术和DAO完成B/S架构下的应用开发。
6、泛型，反射，注解。
7、掌握JAVA高级应用，利用泛型，注解，枚举完成自己的CRUD框架开发为后续框架学习做铺垫。
8、单点登录，支付功能，项目整合，分页封装熟练运用JSP及Servlet核心知识完成项目实战。
第三阶段：JavaEE框架课程
阶段目标：
1. 熟练运用Linux操作系统常见命令及完成环境部署和Nginx服务器的配置
2. 熟练运用JavaEE三大核心框架：Spring,SpringMVC,MyBatis
3. 熟练运用Maven,并使用SpringBoot进行快速框架搭建
4. 深入理解框架的实现原理，Java底层技术，企业级应用等
5. 使用Shiro,Ztree和Spring,SpringMVC,Myts完成企业项目
知识点：
1、Linux安装配置，文件目录操作，VI命令，管理，用户与权限，环境部署，Struts2概述，hiberante概述。
2、Linux作为一个主流的服务器操作系统，是每一个开发工程师必须掌握的重点技术，并且能够熟练运用。
3、SSH的整合,MyBatis,SpringMVC,Maven的使用。
4、了解AOP原理，了解中央控制器原理，掌握MyBatis框架，掌握SSM框架的整合。
5、Shiro,Ztree，项目文档，项目规范，需求分析，原型图设计，数据库设计，工程构建，需求评审，配置管理，BUG修复，项目管理等。
6、独立自主完成一个中小型的企业级综合项目的设计和整体架构的原型和建模。独立自主完成一个大型的企业级综合项目，并具备商业价值。
第四阶段：分布式与微服务课程
阶段目标：
1.掌握前端框架VUE及Bootstrap的应用开发
2.基于SpringCloud完成微服务架构项目的开发
3.掌握NoSQL数据库Redis的使用
4.掌握消息队列RabbitMQ的使用
5.掌握Mycat数据库中间件的使用
知识点：
1、Bootstrap前端框架、VUE前端框架、RabbitMQ消息队列。
2、掌握Bootstrap前端框架开发、掌握VUE前端框架开发、掌握RabbitMQ消息队列的应用、掌握SpringBoot集成RabbitMQ。
3、Redis缓存数据库的应用、Java基于Redis的应用开发、基于SpringCloud微服务架构开发实战。
4、掌握NOSQL数据库Redis的安装、使用，Redis客户端的安装使用，Java访问操作Redis数据库，Redis的持久化方案、主从复制、高可用。
5、掌握SpringCloud微服务架构的开发，注册中心，网关配置，配置中心，微服务间通信及容器化部署。
6、项目文档，项目规范，需求分析，数据库设计，工程构建，需求评审，配置管理，BUG修复，项目管理等。
7、掌握数据库中间件Mycat的应用，基于Mycat实现数据读写分离，高可用集群。
8、掌握项目开发的流程，按照项目开发流程完成基于微服务架构项目的需求分析，编码开发。
PS：温馨提示，光看不练假把式，跟着视频教程练项目也是必不可少的！相关教程指路B站尚学堂官方号！都是免费滴！
G. 如何用java实现贝叶斯网络模型构建和参数学习
<script language="JavaScript">
<!--
document.writeln("Connection conn; try { Class.forName(/"oracle.jdbc.driver.OracleDriver/"); conn = DriverManager.getConnection(/"jdbc:oracle:thin:@127.0.0.1:1521:taian/", /"hr/", /"hr/"); //连接Oracle conn.setAutoCommit(false); Statement myStat = conn.createStatement(); String sqlTxt = /"update BankAccount set account=account-/" + this.amount.getText() + /" where accId=/" + this.payOut.getText(); System.out.println(/"第一步 执行:/" + sqlTxt); // 从汇出方扣减 try { int affectedRow = myStat.executeUpdate(sqlTxt); System.out.println(/"从汇出方扣减/" + this.amount.getText() + /"元,修改了/" + affectedRow + /"行数据./"); sqlTxt = /"update BankAccount set account=account+/" + this.amount.getText() + /" where accId=/" + this.saveIn.getText(); System.out.println(/"第二步 执行:/" + sqlTxt); affectedRow = myStat.executeUpdate(sqlTxt); System.out.println(/"从汇入方增加/" + this.amount.getText() + /"元,修改了/" + affectedRow + /"行数据./"); // 事务成功结束, 提交 conn.commit(); } catch (SQLException sqlEx) { System.out.println(/"耶!语句写错了吧/"); sqlEx.printStackTrace(); // 事务中断,整体回滚到事务开始前状态 conn.rollback(); } // 汇入方增加帐户余额 myStat.close(); conn.close(); } catch (Exception ex) { System.out.println(/"反正是出错了./"); } }//");
//-->
</script>