这个日益改变的时代对数据的分析是一个新型的方法,所以我们称这个时代叫做大数据时代,在我们还在长时间的推测的时候,我们能通过对数据的分析来得出很多结论,有专业学者就说过,在这个时代谁能掌握了数据,谁能合理使用数据进而运筹帷幄之中,谁就掌握了主动权,而我这个研究就是通过对数据的分析进行预测,我主要运用了朴素贝叶斯模型的建立和优化,对整个数据进行预处理,然后我构造了一个朴素贝叶斯的分类器和决策树模型,通过这样的一个分类器和模型,可以对造成心脏疾病的原因有大概的预测。这里运用到了交叉验证的方法，这个方法是用来检验分类器的。在我们使用数据构成分类器的时候我们只需要使用整体数据的70%左右作为训练数据，训练数据的作用就是构成我们所需要的分类器，当我们构成了分类器之后，我们就需要使用剩下的数据（被称作测试数据）输入到构成的分类器中，其中在我们构成分类器时，问题的研究-电动折弯机数控滚圆机滚弧机张家港电动液压滚圆机滚弧机折弯机我们的训练数据需要我们输入特征和结果的数据，但在我们检验分类器时，我们的测试数据只需要输入特征的数据，最后我们通过分类器得到的结果与它原本数据的结果进行比较计算出我们的准确率。图1便是详细流程图。图1当我们使用贝叶斯公式时，我们手中的数据一定是有限的，在这种情况下我们可以清晰地判断出来的概率就是先验概率，这个时候我们就运用到了一种函数即可能性函数，本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com  这个函数在这个过程中可以被称为调整因子，是它的存在让后验概率和先验概率存在了差别，并且我们可以知道可能性函数的式子，所以我们就构成了最简单的贝叶斯公式：(|)()(|)()PABPBPBAPA=而这个贝叶斯公式是由我们的猜想与可能性函数结合推导出来的最简单的式子。接下来我们运用到了两个新的知识，条件概率公式和全概率公式，经过这两个公式的推导运用以及贝叶斯提出的伟大猜想：首先我们可以设B={a1，a2，a3，……am}，am是一个有一个的特征，由此我们可知B就是所有特征的合集，那么A就是特征的合集，所以设A={b1,b2,b3,……,bm}，然后我们需要求得P（b1|B），P（b2|B），P（b3|B），……P（bm|B）。并且我们需要的是朴素贝叶斯公式，它有一个最突出的猜想那就是把所有特征假想成相互独立的，所以我们通过这个猜想我们可以把P（A）变成P（b1）+P（b2问题的研究-电动折弯机数控滚圆机滚弧机张家港电动液压滚圆机滚弧机折弯机本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com