用身高體重?cái)?shù)據(jù)進(jìn)行性別分類的實(shí)驗(yàn)課件

用身高體重?cái)?shù)據(jù)進(jìn)行性別分類的實(shí)驗(yàn)一1)用dataset1.txt作為訓(xùn)練樣本，用dataset2.txt作為測(cè)試樣本，采用身高和體重?cái)?shù)據(jù)為特征，在正態(tài)分布假設(shè)下估計(jì)概率密度（只用訓(xùn)練樣本），建立最小錯(cuò)誤率貝葉斯分類器，寫出所用的密度估計(jì)方法和得到的決策規(guī)則，將該分類器分別應(yīng)用到訓(xùn)練集和測(cè)試集，考察訓(xùn)練錯(cuò)誤率和測(cè)試錯(cuò)誤率。將分類器應(yīng)用到dataset3上，考察測(cè)試錯(cuò)誤率的情況。（在分類器設(shè)計(jì)時(shí)可以嘗試采用不同先驗(yàn)概率，考查對(duì)決策和錯(cuò)誤率的影響。）2)自行給出一個(gè)決策表，采用最小風(fēng)險(xiǎn)貝葉斯決策重復(fù)上面的實(shí)驗(yàn)。題目分析題目分析matlab程序?qū)崿F(xiàn)第一步、獲取樣本數(shù)據(jù)，存儲(chǔ)為矩陣A；這里給定的樣本數(shù)據(jù)以記事本（.txt）形式存儲(chǔ)Matlab程序文件名readdata.m極大似然法求取均值和方差（Matlab函數(shù)名稱為likelihood.m）function[average,cov]=likelihood(A)%程序：最大似然估計(jì)%功能：求取身高、體重二維向量的正態(tài)分布參數(shù)AT=A.';[M,N]=size(AT);average=zeros(M,1);sum=zeros(M,1);fori=1:Msum(i,1)=0;forj=1:Nsum(i,1)=sum(i,1)+AT(i,j);endendfori=1:Maverage(i,1)=sum(i,1)/N;endcov=zeros(M,M);temp=zeros(M,1);fori=1:Nforj=1:Mtemp(j,1)=AT(j,i);endcov=cov+(temp-average)*((temp-average).');endcov=cov/N;運(yùn)行程序readdata.mfunction

sex=determine(a,b)%程序：Bayes決策%功能：已知一個(gè)身高體重的二維向量數(shù)據(jù)，判斷這個(gè)數(shù)據(jù)對(duì)應(yīng)的人是男是女p1=1/139.2270*exp(-1/1.7539*(((a-162.3205)^2)/20.9101-(a-162.3205)*(b-51.4038)/33.7263+((b-51.4038)^2)/26.7760));p2=1/298.7922*exp(-1/1.6302*(((a-174.9960)^2)/28.3140-(a-174.9960)*(b-67.2340)/61.2470+((b-67.2340)^2)/97.9862));chenhao1=78/(78+250);chenhao2=250/(78+250);P1=p1*chenhao1/(p1*chenhao1+p2*chenhao2);P2=p2*chenhao2/(p1*chenhao1+p2*chenhao2);ifP1>P2sex=0;elsesex=1;end根據(jù)得到的概率密度函數(shù)程序?qū)崿F(xiàn)Bayes分類器（Matlab函數(shù)名稱為determine.m）function

[girl,boy]=error_determine(A)%程序：計(jì)算錯(cuò)誤率%功能：對(duì)于一個(gè)輸入數(shù)據(jù)樣本，計(jì)算男生和女生的數(shù)目，計(jì)算錯(cuò)誤率AT=A.';[M,N]=size(AT);girl=0;boy=0;fori=1:Nkey=determine(AT(1,i),AT(2,i));ifkey==0girl=girl+1;elseboy=boy+1;endend計(jì)算錯(cuò)誤率（Matlab函數(shù)名稱為determine.m）用身高體重?cái)?shù)據(jù)進(jìn)行性別分類的實(shí)驗(yàn)二采用身高和體重?cái)?shù)據(jù)作為特征，用Fisher線性判別方法設(shè)計(jì)分類器。做兩次實(shí)驗(yàn)，分別用dataset1.txt和dataset2.txt中的一個(gè)文件做訓(xùn)練集、另一個(gè)文件和dataset3.txt做測(cè)試集，考察訓(xùn)練和測(cè)試錯(cuò)誤情況。將訓(xùn)練樣本和求得的決策邊界畫到圖上，同時(shí)把上次用貝葉斯分類器求得的分類線也畫到圖上，對(duì)分類線進(jìn)行討論。題目分析計(jì)算閾值和最佳變換向量（Matlab函數(shù)名稱為fisher.m）function

[w,threshold]=fisher(boys,girls)%程序：fisher線性分類器%功能：應(yīng)用fisher分類方法，使用訓(xùn)練數(shù)據(jù)獲得閾值和最佳變換向量A=boys.';B=girls.';[k1,l1]=size(A);[k2,l2]=size(B);M1=sum(boys);M1=M1.';M1=M1/l1;M2=sum(girls);M2=M2.';M2=M2/l2;S1=zeros(k1,k1);S2=zeros(k2,k2);fori=1:l1S1=S1+(A(:,i)-M1)*((A(:,i)-M1).');endfori=1:l2S2=S2+(B(:,i)-M2)*((B(:,i)-M2).');endSw=S1+S2；w=inv(Sw)*(M1-M2);wT=w.';m1=wT*M1;m2=wT*M2;threshold=(l1*m1+l2*m2)/(l1+l2);決策面繪圖（Matlab函數(shù)名稱為graphics.m）function

graphics1(boys,girls,w,threshold)%程序：畫圖%功能：將訓(xùn)練樣本（dataset2.txt)和決策面畫到一幅圖上A=boys.';B=girls.';[m1,n1]=size(A);[m2,n2]=size(B);fori=1:n1x=A(1,i);y=A(2,i);plot(x,y,'R.');holdonendfori=1:n2x=B(1,i);y=B(2,i);plot(x,y,'G.');holdonenda1=min(A(1,:));a2=max(A(1,:));b1=min(B(1,:));b2=max(B(1,:));a3=min(A(2,:));a4=max(A(2,:));b3=min(B(2,:));b4=max(B(2,:));ifa1<b1a=a1;elsea=b1;endifa2>b2b=a2;elseb=b2;endifa3<b3c=a3;elsec=b3;endifa4>b4d=a4;elsed=b4;endx=a:0.01:b;y=(threshold-x*w(1,1))/w(2,1);plot(x,y,'B');ezplot('(1/139.2270*exp(-1/1.7539*(((x-162.3205)^2)/20.9101-(x-162.3205)*(y-51.4038)/33.7263+((y-51.4038)^2)/26.7760)))-(1/298.7922*exp(-1/1.6302*(