今天，我给大家带来C＃与人工智能的第4讲——创建朴素贝叶斯分类器。#人工智能#本文先实现一个简单的贝叶斯分类器，输入二进制，判断0-7。后续文章会讲述它的高级应用——贝叶斯推理机。
C＃与人工智能（第3讲）创建神经网络
C＃与人工智能（第2讲）创建WinForm程序
C＃与人工智能（第1讲）安装C＃编程环境
托马斯·贝叶斯是18世纪英国数学家，概率论、贝叶斯统计的创立者。
贝叶斯方法基于贝叶斯原理，对样本数据集进行分类。它综合了先验概率、后验概率，避免仅用先验概率产生的主观偏见。
朴素贝叶斯分类器首先，按第1讲所述，安装VisualStudio编码工具。然后，按第2讲所述，创建一个WindowsForm应用程序。然后，按第3讲所述，下载安装Accord插件。
准备好工具后，编写如下代码：
usingAccord.MachineLearning.Bayes;
usingAccord.Statistics.Filters;
usingSystem;
usingSystem.Data;
usingSystem.Windows.Forms;
namespaceWindowsFormsApp3{
publicpartialclassForm1:Form{
publicForm1(){
InitializeComponent();
}
privatevoidAdd(DataTabledata,string参数1,string参数2,string参数3,string结果){
//新增一条记录
DataRowdr=data.NewRow();
//向字段赋值
dr[参数1]=参数1;
dr[参数2]=参数2;
dr[参数3]=参数3;
dr[结果]=结果;
//把新记录加到表里
data.Rows.Add(dr);
}
privatevoidbutton1_Click(objectsender,EventArgse){
//创建一个DataTable实例。它就是一张数据表，但不用接入任何数据库，直接在内存里使用！
DataTabledata=newDataTable(二进制运算);
//创建参数1字段，字符串类型
data.Columns.Add(参数1,typeof(string));
//创建参数2字段，字符串类型
data.Columns.Add(参数2,typeof(string));
//创建参数3字段，字符串类型
data.Columns.Add(参数3,typeof(string));
//创建结果字段，字符串类型
data.Columns.Add(结果,typeof(string));
//通过Add()方法，插入8条记录，对应着二进制0-7，完成样本库的构建
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);
//对DataTable样本库进行编码
Codificationcodebook=newCodification(data,参数1,参数2,参数3,结果);
DataTablesymbols=codebook.Apply(data);
int[][]inputData=newint[8][];//输入的样本
for(intr=0;rsymbols.Rows.Count;r++){
DataRowdr=symbols.Rows[r];
inputData[r]=newint[3];
inputData[r][0]=Convert.ToInt32(dr[0]);
inputData[r][1]=Convert.ToInt32(dr[1]);
inputData[r][2]=Convert.ToInt32(dr[2]);
}
int[]outputData=newint[8];//对应的输出
for(intr=0;rsymbols.Rows.Count;r++){
DataRowdr=symbols.Rows[r];
outputData[r]=Convert.ToInt32(dr[3]);
}
//创建朴素贝叶斯分类器
NaiveBayesLearninglearner=newNaiveBayesLearning();
//对样本库进行学习
NaiveBayesnb=learner.Learn(inputData,outputData);
//创建一个新样本(假设它是不在样本库里的陌生样本)
int[]instance=codebook.Translate(1,1,0);
intc1=nb.Decide(instance);
//返回分类结果（result=6）
stringresult=codebook.Translate(结果,c1);
//查看每种可能性的概率值
double[]probs=nb.Probabilities(instance);
MessageBox.Show(result);
}
}
}
朴素贝叶斯的分类结果如上图所示，probs数组列出样本库里每个样本的概率，对于输入的1、1、0来讲，分类器认为概率最大的结果是6。
您可以删除“Add(data,1,1,0,6);”那行代码（注意要把inputData、outputData的数组长度从8改成7）。然后，再运行程序，分类器返回7，此时最接近的结论是1、1、1。
如果喜欢，请