模式識別中貝葉斯算法判別身高體重 matlab實現 1）應用單個特征進行實驗：以（a）身高或者（b）體重數據作為特征，在正態分布假設下利用最大似然法或者貝葉斯估計法估計分布密度參數，建立最小錯誤率Bayes分類器，寫出得到的決策規則，將該分類器應用到測試樣本，考察測試錯誤情況。在分類器設計時可以考察采用不同先驗概率（如0.5對0.5, 0.75對0.25, 0.9對0.1等）進行實驗，考察對決策規則和錯誤率的影響。 2）應用兩個特征進行實驗：同時采用身高和體重數據作為特征，分別假設二者相關或不相關，在正態分布假設下估計概率密度，建立最小錯誤率Bayes分類器，寫出得到的決策規則，將該分類器應用到訓練/測試樣本，考察訓練/測試錯誤情況。比較相關假設和不相關假設下結果的差異。在分類器設計時可以考察采用不同先驗概率（如0.5 vs. 0.5, 0.75 vs. 0.25, 0.9 vs. 0.1等）進行實驗，考察對決策和錯誤率的影響。 3）自行給出一個決策表，采用最小風險的Bayes決策重復上面的某個或全部實驗。