1.公共自行车故障诊断方法，包括如下步骤：步骤1.确定自行车变量及故障类型；

选取三类因素共15个属性变量作为自行车故障检测的实验数据，如表1所示；

表1 PBS单个服务点属性变量类型

PBS预测结果分为两类，分别为正常车和故障车，即故障类型C{C1，C2}；

步骤2.生成自行车属性集；

在步骤1确定的合理范围内，生成自行车属性变量观测值的集合集合，记为X＝{X1,X2,X3,X4,X5,X6,X7,X8,X9,X10,X11,X12,X13,X14,X15}；每一个属性变量Xi有若干个值，xi表示属性变量Xi对应的值；

步骤3.确定故障诊断方法；

对于一个数据样本，其对应的分类值ct的概率表示为求每个分类值后验概率时，属性值x1,x2,…x15均不变，即分母保持不变；将其表示为常数，从而将式(1)简化成根据各属性之间相互独立的特点，式(2)可以简化成这样，只需要计算每一个分类值Ct下单个属性的条件概率P(xi|Ct)即可；

式中：N为所有训练样本的频数和； 为故障类型Ct对应样本频数； 为故障类型Ct且属性变量Xi值为xi的样本频数；

如果某些属性变量的数据缺失，这一类的条件概率就等于零,则整个类的后验概率就等于零；对公式(5)使用拉普拉斯平滑方法，在分子上加1，为了使概率和为1，在分母上加上M,则可得公式(6)；

将公式(4)和(6)带入公式(3)，可得如下:利用式(7)进行计算，选取最大值对应的故障类型作为潜在的故障诊断的结果；

4.确定属性对类的贡献；

为了量化每个属性对分类的贡献，定义属性对类的贡献率C的贡献率，C表示在只考虑Xi在的情况下C1和C2后验概率差值的平方；

其中，xj是属性Xi中的第j个具体值(0

5.确定评价指标；

自行车故障判定问题常用的评价指标是精确率和召回率；对数据集的预测结果或者正确或者不正确，共有4种情况，混淆矩阵如表2所示；

表2预测评价指标

(Table 2 Prediction and evaluation index)召回率表示样本中的故障车有多少被预测正确了；有两种可能，一种是把原来的故障车预测成故障车(TP)，另一种就是把原来的故障车预测为正常车(FN)；

自行车的故障检测需要很高的召回率，预测结果以召回率为标准。