资源简介

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。

资源截图

代码片段和文件信息

%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

评论

共有 条评论