数据挖掘之朴素贝叶斯算法

/*
朴素贝叶斯算法思想: 举个例子，假如某天是否要出去打网球，有两种选择:是和否，即最后分成两个类别。但是受3个因素的影响,分别是天气、温度和是否有风。天气有3个值：晴、多云和有雨。温度有3个值：高，正常和低。是否有风有两个值：是和否。假如样本A是{天气晴，温度正常，无风，打网球}，样本B是{天气有雨，温度低，有风，不打网球}，还有其他的样本，可以得到样本的某些先验概率，即已经知道了是否打网球的结果某因素出现的概率。然后利用到贝叶斯公式的一些转换（数学的知识不在这里推），计算后验概率，即知道因素的情况，估计打网球与不打网球各自的概率。
*/
#include<iostream>
#include<fstream>
#include<string>
#include<vector>
#include<map>
using namespace std;
vector<string> split(const string& src,const string& delimiter); /**分离字符串**/
void rejudge(); /**重新判断原输入数据的类别**/
vector<vector<string> > vect; /**二维容器**/
map<string,int> category;  /**存放类别**/
map<string,double> pro_map; /**各种概率的map容器**/
int main(){
    string strLine;
    pro_map.clear();
    ifstream readfile("weather.txt");  /**打开文件**/
    if(!readfile){
        cout<<"Fail to open file weather!"<<endl;
        cout<<getchar();
        return 0;
    }
    else{
        cout<<"读取原始数据如下:"<<endl;
        vector<vector<string> >::size_type st_x; /**二维容器x坐标**/
        vector<string> temp_vect;
        vector<string>::size_type st_y;  /**二维容器y坐标**/
        while(getline(readfile,strLine)){ /**读入数据**/
            //cout<<strLine<<endl;
            temp_vect=split(strLine,","); /**分离字符串**/
            vect.push_back(temp_vect); /**存放到容器中**/
            temp_vect.clear();
        }
        string temp_string;
        vector<string>::size_type temp_size1=vect.size()-1; /**总行数**/
        vector<string>::size_type temp_size2=vect[0].size();/**总列数**/
        for(int i=0;i<temp_size1+1;i++)
        {
            for(int j=0;j<temp_size2;j++)  cout<<vect[i][j]<<' ';
            cout<<endl;
        }

        for(st_x=1;st_x<temp_size1+1;st_x++){
            /**遍历二维容器，统计各种类别、属性|类别的个数，以便后面的
               概率的计算（跳过第一行的属性标题） **/
            for(st_y=0;st_y<temp_size2;st_y++){
                if(st_y!=temp_size2-1){ /**统计每一行前面的属性，统计属性|类别的个数**/
                    temp_string=vect[0][st_y]+"="+vect[st_x][st_y]+"|"
                    +vect[0][temp_size2-1]+"="+vect[st_x][temp_size2-1];
                    pro_map[temp_string]+=1; /**map记录**/
                }
                else{
                    temp_string=vect[0][temp_size2-1]+"="+vect[st_x][temp_size2-1]; /**类别**/
                    pro_map[temp_string]+=1;
                    category[vect[st_x][temp_size2-1]]=1;
                }
                temp_string.erase();
            }
        }
        string::size_type st;
        cout<<"统计过程如下:"<<endl;
        for(map<string,double>::iterator it=pro_map.begin();it!=pro_map.end();it++){
            cout<<it->first<<":"<<it->second<<endl;
            if((st=it->first.find("|"))!=string::npos){ /**计算概率**/
                it->second=it->second/pro_map[it->first.substr(st+1)];
            }
        }

        cout<<"计算概率过程如下:"<<endl;
        for(map<string,double>::iterator it2=pro_map.begin();it2!=pro_map.end();it2++){
            if((st=it2->first.find("|"))==string::npos){
                pro_map[it2->first]=pro_map[it2->first]/(double)temp_size1; /**每个类别占比**/
            }
            cout<<it2->first<<":"<<it2->second<<endl;
        }

        rejudge();

    }
    cout<<getchar();
    return 0;
}

vector<string> split(const string& src,const string& delimiter){
    string::size_type st;
    if(src.empty()) throw "Empty string!";
    if(delimiter.empty()) throw "Empty delimiter"; /**字符串为空或者分隔符为空**/
    vector<string> vect;
    string::size_type last_st=0;
    while((st=src.find_first_of(delimiter,last_st))!=string::npos){ /**找到第一个为分隔符的位置**/
        if(st!=last_st) vect.push_back(src.substr(last_st,st-last_st)); /**分离出字符串，可能第一个为分隔符，跳过**/
        last_st=st+1;
    }
    if(last_st!=src.size()){ /**最后可能还有一个字符串**/
        vect.push_back(src.substr(last_st,string::npos));
    }
    return vect;
}

void rejudge(){
    string temp_string;
    double temp_pro;
    map<string,double> temp_map;  /**存放后验概率的临时容器**/
    cout<<"经过简单贝叶斯算法重新分类的结果如下:"<<endl;
    for(vector<vector<string> >::size_type st_x=1;st_x<vect.size();st_x++){
        for(map<string,int>::iterator it=category.begin();it!=category.end();it++){
            temp_pro=1.0;
            temp_string=vect[0][vect[0].size()-1]+"="+it->first;
            temp_pro*=pro_map[temp_string];/**计算每种类别的概率**/
            temp_string.erase();
            for(vector<string>::size_type st_y=0;st_y<vect[st_x].size();st_y++){
                if(it==category.begin()&&st_y!=vect[st_x].size()-1)
                    cout<<vect[st_x][st_y]<<" ";
                if(st_y!=vect[st_x].size()-1){
                    temp_string=vect[0][st_y]+"="+vect[st_x][st_y]+
                    "|"+vect[0][vect[0].size()-1]+"="+it->first;
                    temp_pro*=pro_map[temp_string];
                    temp_string.erase();
                }
            }
            temp_map[it->first]=temp_pro;
        }

        string temp_string2;
        temp_pro=0;
        cout<<"后验概率:";
        for(map<string,double>::iterator it2=temp_map.begin();it2!=temp_map.end();it2++){
            cout<<it2->first<<":"<<it2->second<<" ";
            if(it2->second>temp_pro){ /**找最大的后验概率**/
                temp_string2.erase();
                temp_string2=it2->first;
                temp_pro=it2->second;
            }
        }
        cout<<"归类:"<<vect[0][vect[0].size()-1]<<"="<<temp_string2<<endl;
    }
}