資源簡介
1. 仍然使用第一次作業中收集的數據作為訓練集(注意:不得超過20+20 例樣
本),采用身高和體重為特征進行性別分類,訓練SVM 分類器,在測試數據
dataset1.txt 上測試分類效果。SVM 中分別使用線性核和高斯核,參數自己
確定。
2. 使用一個較大的數據集(dataset2.txt)作訓練樣本,采用身高和體重為特征
進行性別分類,在正態分布假設下估計概率密度,建立最小錯誤率貝葉斯分
類器,寫出得到的決策規則;把分類器應用到dataset1.txt 上,計算測試錯
誤率。(自行決定采用什么先驗概率。)
3. 將樣本和兩次作業中得到的多個分類面畫到由身高和體重組成的二維平面
上,嘗試進行分析和討論。(也可以在基本要求基礎上自己設計其他實驗,將
結果放到一起進行分析。)

代碼片段和文件信息
%貝葉斯分類器
clear?;
%%
%獲取訓練樣本
FID?=?fopen(‘dataset2.txt‘);
mydata=fscanf(FID‘%f?%f?%c‘[3inf]);
fclose(FID);
%男女分別數據
M_data=mydata(1:3470:954);
F_data=mydata(1:31:469);
x=mydata(1:21:954);
%%
%最大似然估計
%男生均值
M_x=M_data(1:21:485);
M_miu=(1/485)*[sum(M_x(1:));sum(M_x(2:))];
%男生協方差
M_sigma=0;
for?i=1:485
M_sigma=(M_x(:i)-M_miu)*(M_x(:i)-M_miu)‘+M_sigma;
end
M_sigma=M_sigma/485;
%女生均值
F_x=F_data(1:21:469);
F_miu=(1/469)*[sum(F_x(1:));sum(F_x(2:))];
%女生協方差
F_sigma=0;
for?i=1:469
F_sigma=(F_x(:i)-F_miu)*(F_x(:i)-F_miu)‘+F_sigma;
end
F_sigma=F_sigma/469;
%%
%對最小錯誤貝葉斯估計分界面畫圖
figure(3);
plot(x(1470:954)x(2470:954)‘b.‘);
hold?on;
plot(x(11:469)x(21:469)‘r.‘);
hold?on;
W1=-inv(M_sigma)/2;
W2=-inv(F_sigma)/2;
w1=inv(M_sigma)*M_miu;
w2=inv(F_sigma)*F_miu;
%似然比為1時
w10=-0.5*M_miu‘*inv(M_sigma)*M_miu-0.5*log(det(M_sigma))+log(0.3);
w20=-0.5*F_miu‘*inv(F_sigma)*F_miu-0.5*log(det(F_sigma))+log(0.3);
syms?x?y;
z=[x?y]*(W1-W2)*[x;y]+transpose(w1-w2)*[x;y]+w10-w20;
likehood1=ezplot(z[14021030130]);
set(likehood1‘Color‘‘c‘‘LineWidth‘1);
hold?on;
xlabel(‘Height/cm‘);
ylabel(‘Weight/kg‘);
legend(‘boy‘‘girl‘‘Minimum?error?ratelikehood=1‘2);
title(‘Different?Hyperplane?with?Different?Likehood‘);
?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件??????49800??2013-10-27?10:09??模式識別第二次作業\problemset2_1028.pdf
?????文件???????3300??2013-10-19?20:35??模式識別第二次作業\代碼\dataset1.txt
?????文件???????9594??2013-11-02?23:12??模式識別第二次作業\代碼\dataset2.txt
?????文件???????1349??2013-11-17?14:47??模式識別第二次作業\代碼\Minimum_error_rate_Bayes_for_second.m
?????文件???????2093??2013-11-17?14:47??模式識別第二次作業\代碼\Minimum_error_rate_Bayes_Hyperplane.m
?????文件???????1978??2013-11-17?14:47??模式識別第二次作業\代碼\Minimum_risk_Bayes_Hyperplane.m
?????文件???????2814??2013-11-17?10:58??模式識別第二次作業\代碼\myBayes.m
?????文件????????526??2013-10-19?18:47??模式識別第二次作業\代碼\mydata.txt
?????文件???????3908??2013-11-17?14:47??模式識別第二次作業\代碼\mySVM.m
?????文件????????360??2013-11-17?14:38??模式識別第二次作業\代碼\my_liner_result.txt
?????文件???????4929??2013-11-17?14:38??模式識別第二次作業\代碼\my_min_error_result.txt
?????文件????????353??2013-11-17?14:38??模式識別第二次作業\代碼\my_RBF_result.txt
?????文件???????1543??2013-11-17?14:47??模式識別第二次作業\代碼\SVM_Hyperplane.m
?????文件???????1800??2013-11-17?14:38??模式識別第二次作業\代碼\teacher_liner_result.txt
?????文件???????1804??2013-11-17?14:38??模式識別第二次作業\代碼\teacher_min_error_result.txt
?????文件???????1795??2013-11-17?14:38??模式識別第二次作業\代碼\teacher_RBF_result.txt
?????目錄??????????0??2013-11-17?14:47??模式識別第二次作業\代碼
?????目錄??????????0??2013-11-17?14:46??模式識別第二次作業
-----------?---------??----------?-----??----
????????????????87946????????????????????18
- 上一篇:編譯原理語法分析實驗報告
- 下一篇:5-非功能性需求.pdf
評論
共有 條評論