实例介绍
【实例简介】
用身高体重数据进行性别分类的实验 用本组采集的数据作训练样本，采用身高和体重为特征进行性别分类，在正 态分布假设下估计概率密度，建立最小错误率贝叶斯分类器，写出得到的决 策规则；将分类器应用到训练集上计算训练错误率；把分类器应用到 dataset1.txt 上，计算测试错误率。在分类器设计时尝试采用不同先验概率（比如0.5 对0.5，0.24 对0.76 等），考查对决策和错误率的影响。 自行给出一个决策表，采用最小风险贝叶斯决策重复上面的实验。 用题2 中得到的似然比或对数似然比为分类指标，粗略画出ROC 曲线。
【实例截图】
【核心代码】
-副本
└── 模式识别第一次作业
├── Bayes.m
├── dataset1.txt
├── mydata.txt
├── my_min_Consideration_result.txt
├── my_min_error_result.txt
├── problemset1_0930.pdf
├── teacher_min_Consideration_result.txt
├── teacher_min_error_result.txt
└── 原数据.txt
1 directory, 9 files
用身高体重数据进行性别分类的实验 用本组采集的数据作训练样本，采用身高和体重为特征进行性别分类，在正 态分布假设下估计概率密度，建立最小错误率贝叶斯分类器，写出得到的决 策规则；将分类器应用到训练集上计算训练错误率；把分类器应用到 dataset1.txt 上，计算测试错误率。在分类器设计时尝试采用不同先验概率（比如0.5 对0.5，0.24 对0.76 等），考查对决策和错误率的影响。 自行给出一个决策表，采用最小风险贝叶斯决策重复上面的实验。 用题2 中得到的似然比或对数似然比为分类指标，粗略画出ROC 曲线。
【实例截图】
【核心代码】
-副本
└── 模式识别第一次作业
├── Bayes.m
├── dataset1.txt
├── mydata.txt
├── my_min_Consideration_result.txt
├── my_min_error_result.txt
├── problemset1_0930.pdf
├── teacher_min_Consideration_result.txt
├── teacher_min_error_result.txt
└── 原数据.txt
1 directory, 9 files
标签：
好例子网口号：伸出你的我的手 — 分享！
相关软件
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论