身高体重 贝叶斯分类 判别男女

利用100个男女训练集样本，使用贝叶斯分类器判别男女。1.采用最大似然法和贝叶斯估计的方法获得密度函数，设定不同的先验概率，观察判别结果正确率。2.分别在男女相关不相关的情况下分析结果正确率。3.设定不同的风险，采用最小风险的Bayes决策重复上面实验。

%function bayes_judge_by_height（input label num_pic female_previous_poss male_previous_poss）
function bayes_judge_by_height（female_previous_poss）
%这里的μ的先验估计在函数get_bayes_miu_pdf（）

male_previous_poss = 1 - female_previous_poss;

female_miu_pre_mean = 163;
female_miu_pre_vari = 2.5;
male_miu_pre_mean = 174;%假定miu可用一个已知的正态分布作为先验密度
male_miu_pre_vari = 1;
% female_previous_poss = 0.5;%两种类别的先验概率
% male_previous_poss   = 0.5;
female_HEI_vari = 44.8;%这个是总体的方差，可以改动这个值来体验结果的变化
male_HEI_vari = 21.2;


female_data = load（‘F:\学习新知\模式识别\模式识别1\data\FEMALE.TXT‘）;
female_height = female_data（:1）;
male_data =   load（‘F:\学习新知\模式识别\模式识别1\data\MALE.TXT‘）;
male_height = male_data（:1）;

fileID = fopen（‘F:\学习新知\模式识别\模式识别1\data\test2.txt‘）;
data = fscanf（ fileID ‘%f %f %s‘ [3 inf] ）;
fclose（fileID）;
input = data（1 :）;
input = input‘;
label     = data（3 :）;
label     = label‘;

female_hei_sum = sum（female_height）;
male_hei_sum   = sum（male_height）;

%根据P35公式求出总体的均值
female_HEI_mean = （ female_miu_pre_vari * female_miu_pre_vari * female_hei_sum + female_HEI_vari * female_HEI_vari * female_miu_pre_mean ） / （ length（female_height） * female_miu_pre_vari * female_miu_pre_vari + female_HEI_vari * female_HEI_vari ）;
male_HEI_mean   = （ male_miu_pre_vari * male_miu_pre_vari * male_hei_sum   + male_HEI_vari * male_HEI_vari * male_miu_pre_mean     ） / （ length（male_height）   * male_miu_pre_vari * male_miu_pre_vari +   male_HEI_vari * male_HEI_vari ）;
%fprintf（‘mean--------%f %f\n‘ female_HEI_mean male_HEI_mean）;

%得到两类的类条件概率密度，得出判决条件
female_HEI_p = normpdf（input female_HEI_mean sqrt（female_HEI_vari））;%设出总体符合的正态分布
male_HEI_p = normpdf（input male_HEI_mean sqrt（male_HEI_vari））;
g = female_previous_poss * female_HEI_p - male_previous_poss * male_HEI_p;


%在图上的x轴上标志出红色的female训练点、蓝色的male训练点、黑色的测试点
figure（1）;
% plot（female_height 0 ‘ro‘ male_height 0 ‘b*‘ input 0 ‘bo‘）;
% hold on;
str_male_previous_poss  = num2str（male_previous_poss）;
str_female_previous_poss= num2str（female_previous_poss）;
str_title               = [str_male_previous_poss ‘vs‘ str_female_previous_poss];
title（str_title）;
disp（str_title）;
hold on;

% syms y x;
% y = normpdf（x female_HEI_mean sqrt（female_HEI_vari）） * female_previous_poss + normpdf（x male_HEI_mean sqrt（male_HEI_vari）） * male_previous_poss == 0;
% x = solve（y）;
% x = round（x）;
% fprintf（‘\n\n%f‘ x）;
% ylim=get（gca‘Ylim‘）;
% plot（[xx] ylim ‘m-‘ ‘LineWidth‘2）;
% hold on;


%画出两类的类条件概率函数图
x = 140:0.1:200;
y1 = normpdf（x female_HEI_mean sqrt（female_HEI_vari））;
y2 = normpdf（x male_HEI_mean sqrt（male_HEI_vari））;
plot（x y1 ‘r-‘ x y2 ‘b-‘）;
grid on;
hold on;

%判决属于哪一类并每一种分类的计算错误率
cnt_female_correct = 0;  
cnt_female_total   = 0;
cnt_male_correct   = 0;  
cnt_male_total     = 0;

for i=1:length（g）
%    fprintf（ ‘%d:%d----%f %f ‘ i input（i） normpdf（input（i） female_HEI_mean sqrt（female_HEI_vari）） normpdf（input（i） male_HEI_mean sqrt（male

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-10-21 16:12  CSDN\
     文件       54784  2018-09-25 21:16  CSDN\1_Bayes 分类器实验.doc
     文件        5195  2018-10-11 23:06  CSDN\bayes_judge_by_height.m
     文件        5299  2018-10-11 23:06  CSDN\bayes_judge_by_weight.m
     目录           0  2018-10-05 20:01  CSDN\data\
     文件         814  2018-10-03 10:51  CSDN\data\data.TXT
     文件         833  2018-09-23 16:15  CSDN\data\FEMALE.TXT
     文件         424  2004-10-08 09:04  CSDN\data\MALE.TXT
     文件         350  2004-10-08 09:03  CSDN\data\test1.txt
     文件        3020  2004-10-08 09:10  CSDN\data\test2.txt
     文件         850  2018-10-03 21:15  CSDN\data\train.txt
     文件        3368  2018-10-04 16:30  CSDN\data\train2.txt
     文件        5355  2018-10-05 18:56  CSDN\funheight.m
     文件        5375  2018-10-05 18:49  CSDN\funweigh.m
     文件        6230  2018-10-05 19:29  CSDN\fun_correlated_test1.m
     文件        6181  2018-10-05 19:09  CSDN\fun_correlated_test2.m
     文件        6222  2018-10-05 19:28  CSDN\fun_uncorrelated_test1.m
     文件        6198  2018-10-05 19:17  CSDN\fun_uncorrelated_test2.m
     文件        1153  2018-10-11 23:06  CSDN\get_bayes_miu_pdf.m
     文件        1435  2018-10-04 16:44  CSDN\tiaoshi.m
     文件        2248  2018-10-05 19:35  CSDN\tuxiang.m
     文件        1715  2018-10-05 19:52  CSDN\tuxiangfengxian.m
     文件      343908  2018-10-21 16:12  CSDN\大作业新排版2.docx
     文件         256  2018-10-05 20:05  CSDN\说明.txt
     目录           0  2018-10-05 21:50  CSDN\部分图像\
     文件       47646  2018-09-25 23:56  CSDN\部分图像\1不相关.PNG
     文件       53102  2018-09-25 23:53  CSDN\部分图像\1相关.PNG
     文件       57491  2018-09-25 23:42  CSDN\部分图像\2不相关.PNG
     文件       63662  2018-09-25 23:44  CSDN\部分图像\2相关.PNG
     文件       24165  2018-10-05 21:49  CSDN\部分图像\correlate.PNG
     文件       54834  2018-09-27 07:41  CSDN\部分图像\high.PNG
............此处省略5个文件信息