– Core:
• Class Customer: lớp khách hàng này lấy thông tin từ input(người dùng đưa vào) để khai phá dữ liệu…Thông tin khách hàng do
mình nhập vào và dùng lớp nào để lưu trữ các thông tin đó để tiến hành phân loại… Thông tin đó chỉ cần lưu trữ các thuộc tính cần cho quá trình phân loại(các thuộc tính trong tuple)…
– Cust_Sex – Cust_Major – Cust_District
• Enum TypeCustomerClass: gồm 4 phần tượng trưng cho 4 lớp(Class C – tức nhãn C, không phải class trong C#) cần phân loại. VD Khách trung bình:
CustomerClass.Average…
– Rare : khách vãng lai (trong 10% ng` có số tiền thấp nhất)
– Normal: khách bình thường(11 – 20%)
– Frequent: khách thường xuyên(21– 50%)
• Class NaiveBayes: tính các xác xuất cần thiết cho quá trình phân loại. Gồm các method:
– CalculateProduct(Class C):
• tính tỉ lệ của những thực thể thuộc class C trong training set… • return total(C) / total training set.
– CalculateProduct(Customer customer, class C):
• Xác xuất của khách hàng customer thuộc lớp C…
• return calculate(customer.Cust_Sex, C) *calculate(customer.Cust_Major, C)*calculate(customer.Cust_Country, C)*calculate(age, C).
– Calculate(Customer.xi, Class C):
• Xác xuất khách hàng mang thuộc tính xi thuộc lớp C… • Return total(class C, xi) / total(class C)
– Total(class C): tính số lượng thực thể thuộc lớp C.
• Class CustomerClass(Class C): class dùng để chứa index gồm các thành phần trong enum TypeCustomerClass…
•• •
• Lớp classification: tính xác xuất của khách hàng mang tuple X với từng class C rồi tiến hành phân loại:
• CustomerClass: gồm tất cả class tham gia vào quá trình phân loại
• Classification(Customer customer):
– Tìm ra lớp thích hợp nhất(xác xuất cao nhất) để đặt khách hàng customer vào.
– Với mỗi lớp Ci trong list L tính giá trị: Pi = NaiveBayes.Calculate(class Ci)*NaiveBayes.Calculate(tuple X, class Ci)…