C#與人工智慧(第4講)創建樸素貝葉斯分類器

今天，我給大家帶來C＃與人工智慧的第4講——創建樸素貝葉斯分類器。#人工智慧#本文先實現一個簡單的貝葉斯分類器，輸入二進位，判斷0-7。後續文章會講述它的高級應用——貝葉斯推理機。

C＃與人工智慧（第3講）創建神經網絡

C＃與人工智慧（第2講）創建WinForm程序

C＃與人工智慧（第1講）安裝C＃編程環境

託馬斯·貝葉斯是18世紀英國數學家，概率論、貝葉斯統計的創立者。

貝葉斯方法基於貝葉斯原理，對樣本數據集進行分類。它綜合了先驗概率、後驗概率，避免僅用先驗概率產生的主觀偏見。

樸素貝葉斯分類器

首先，按第1講所述，安裝Visual Studio 2019編碼工具。然後，按第2講所述，創建一個Windows Form應用程式。然後，按第3講所述，下載安裝Accord插件。

準備好工具後，編寫如下代碼：

using Accord.MachineLearning.Bayes;

using Accord.Statistics.Filters;

using System;

using System.Data;

using System.Windows.Forms;

namespace WindowsFormsApp3 {

public partial class Form1 : Form {

public Form1() {

InitializeComponent();

}

private void Add(DataTable data, string 參數1, string 參數2, string 參數3, string 結果) {

// 新增一條記錄

DataRow dr = data.NewRow();

// 向欄位賦值

dr["參數1"] = 參數1;

dr["參數2"] = 參數2;

dr["參數3"] = 參數3;

dr["結果"] = 結果;

// 把新記錄加到表裡

data.Rows.Add(dr);

}

private void button1_Click(object sender, EventArgs e) {

// 創建一個DataTable實例。它就是一張數據表，但不用接入任何資料庫，直接在內存裡使用！

DataTable data = new DataTable("二進位運算");

// 創建 參數1 欄位，字符串類型

data.Columns.Add("參數1", typeof(string));

// 創建 參數2 欄位，字符串類型

data.Columns.Add("參數2", typeof(string));

// 創建 參數3 欄位，字符串類型

data.Columns.Add("參數3", typeof(string));

// 創建 結果 欄位，字符串類型

data.Columns.Add("結果", typeof(string));

// 通過Add()方法，插入8條記錄，對應著二進位0-7，完成樣本庫的構建

Add(data, "0", "0", "0", "0");

Add(data, "0", "0", "1", "1");

Add(data, "0", "1", "0", "2");

Add(data, "0", "1", "1", "3");

Add(data, "1", "0", "0", "4");

Add(data, "1", "0", "1", "5");

Add(data, "1", "1", "0", "6");

Add(data, "1", "1", "1", "7");

// 對DataTable樣本庫進行編碼

Codification codebook = new Codification(data, "參數1", "參數2", "參數3", "結果");

DataTable symbols = codebook.Apply(data);

int[][] inputData = new int[8][]; // 輸入的樣本

for (int r = 0; r < symbols.Rows.Count; r++) {

DataRow dr = symbols.Rows[r];

inputData[r] = new int[3];

inputData[r][0] = Convert.ToInt32(dr[0]);

inputData[r][1] = Convert.ToInt32(dr[1]);

inputData[r][2] = Convert.ToInt32(dr[2]);

}

int[] outputData = new int[8]; // 對應的輸出

for (int r = 0; r < symbols.Rows.Count; r++) {

DataRow dr = symbols.Rows[r];

outputData[r] = Convert.ToInt32(dr[3]);

}

// 創建樸素貝葉斯分類器

NaiveBayesLearning learner = new NaiveBayesLearning();

// 對樣本庫進行學習

NaiveBayes nb = learner.Learn(inputData, outputData);

// 創建一個新樣本(假設它是不在樣本庫裡的陌生樣本)

int[] instance = codebook.Translate("1", "1", "0");

int c1 = nb.Decide(instance);

// 返回分類結果（result=6）

string result = codebook.Translate("結果", c1);

// 查看每種可能性的概率值

double[] probs = nb.Probabilities(instance);

MessageBox.Show(result);

}

}

}

樸素貝葉斯的分類結果

如上圖所示，probs數組列出樣本庫裡每個樣本的概率，對於輸入的1、1、0來講，分類器認為概率最大的結果是6。

您可以刪除「Add(data, "1", "1", "0", "6");」那行代碼（注意要把inputData、outputData的數組長度從8改成7）。然後，再運行程序，分類器返回7，此時最接近的結論是1、1、1。

如果喜歡，請關注我，或長按「點讚」按鈕，後續會有更多編程知識分享給大家。