2021年用身高与体重数据进行性别分类的实验报告.docVIP

2021年用身高与体重数据进行性别分类的实验报告 2021年用身高与体重数据进行性别分类的实验报告 PAGE / NUMPAGES 2021年用身高与体重数据进行性别分类的实验报告 用身高和体重数据进行性别分类试验汇报 姓 名: 刘懿郴 学 号: 302308 范 英 学 号: 302316 胡 亮 学 号: 302319 班 级: 9391 基础要求 用FAMALE.TXT和MALE.TXT数据作为训练样本集, 建立Bayes分类器, 用测试样本数据对该分类器进行测试。调整特征、 分类器等方面部分原因, 考察它们对分类器性能影响, 从而加深对所学内容了解和感性认识。 2、 具体做法 （1）应用两个特征进行试验: 同时采取身高和体重数据作为特征, 分别假设二者相关或不相关, 在正态分布假设下估量概率密度, 建立最小错误率Bayes分类器, 写出得到决议规则, 将该分类器应用到训练/测试样本, 考察训练/测试错误情况。比较相关假设和不相关假设下结果差异。在分类器设计时能够考察采取不一样先验概率（如0.5 vs. 0.5, 0.75 vs. 0.25, 0.9 vs. 0.1等）进行试验, 考察对决议和错误率影响。 自行给出一个决议表, 采取最小风险Bayes决议反复上面试验。 3、 试验原理 已知样本服从正态分布, （1） 所以能够用最大似然估量来估量μ和Σ两个参数 样本类分为男生和女生两类, 利用最大似然估量分别估量出男生样本, , 和女生样本, , 然后将数据带入（1）公式分别计算二者类条 件概率密度和, 然后依据贝叶斯公式 计算出两类后验概率和 试验一: 对于两类情况, 我们能够仅定义一个判别函数: 其中 = = 并将决议规则表示为 假如 0, 则决议; 0, 则决议。 试验二: 我们定义一个决议表以下图 损失状态 决议 损失 0 6 2 0 我们定义判别函数 并将决议规则表示为 假如 0, 则决议; 0, 则决议。 x x x 0? 输入数据样本集 带入判别函数 N Y 试验步骤图 4、 试验结果 利用matlab我们计算出了male.txt?和female.txt均值和协方差, 和, , 这么我们能够利用公式和判别函数与决议规则对训练/测试样本集进行分类, 结果以下: 当体重和身高相关时候 对于test1测试集, 总体来说, 对样本集判定正确率伴随男性先验概率增加（女性先验概率降低）先增大后减小, 而对于男性或者女性个体判别伴随男性先验概率增加而正确率不停增加或不停减小（也就是伴随男性先 验概率增加, 将男性判定为女性概率越来越少, 甚至没有; 而把女性判别为男性概率越来越大）而对于test1测试集, 对样本集判定正确率伴随男性先验概率增加（女性先验概率降低）而不停增加, 而对于男性或者女性个体判别伴随男性先验概率增加而正确率不停增加或不停减小（也就是伴随男性先验概率增加, 将男性判定为女性概率越来越大; 而把女性判别为男性概率越来越小） （2）当体重和身高不相关时候 对于test1测试集, 总体来说, 对样本集判定正确率伴随男性先验概率增加（女性先验概率降低）先增大后减小, 而对于男性或者女性个体判别伴随男性先验概率增加而正确率不停增加或不停减小（也就是伴随男性先验概率增加, 将男性判定为女性概率越来越少, 甚至没有; 而把女性判别为男性概率越来越大）而对于test1测试集, 对样本集判定正确率伴随男性先验概率增加（女性先验概率降低）而不停增加, 而对于男性或者女性个体判别伴随男性先验概率增加而正确率不停增加或不停减小（也就是伴随男性先验概率增加, 将男性判定为女性概率越来越大; 而把女性判别为男性概率越来越小） （3）当体重和身高相关时候 对于test1测试集, 总体来说, 对样本集判定正确率伴随男性先验概率增加（女性先