机器学习-模式识别（1）Bayes 分类器设计

最新推荐文章于 2023-01-09 22:32:57 发布

香草绵绵冰

最新推荐文章于 2023-01-09 22:32:57 发布

阅读量2.4k

点赞数 5

分类专栏：模式识别 matlab 文章标签：机器学习 matlab 人工智能数据挖掘

本文链接：https://blog.csdn.net/qq326076079/article/details/125189201

版权

模式识别同时被 2 个专栏收录

6 篇文章 3 订阅

订阅专栏

matlab

6 篇文章 0 订阅

订阅专栏

具体步骤：

（1）算出各类别特征值的均值
（2）求出特征值的协方差矩阵
（3）将第二步所得矩阵代入判别函数 g1(x)、 g2 (x)
（4）将待测试样本集数据依次代入 g1(x) 、 g2 (x)，若 g1(x) - g2 (x) > 0，则判断其为第一类，反之为第二类。

以（a）身高或者（b）体重数据作为特征，在正态分布假设下利用贝叶斯估计法估计分布密度参数，建立最小错误率 Bayes 分类器。

clc;
close all;
load FEMALE.txt;  
load MALE.txt;
%样本的分析
figure(1);
%画出样本分布图
for i=1:50
    if(i<49)
    plot(FEMALE(i,2),FEMALE(i,1),'r+');
    end
    plot(MALE(i,2),MALE(i,1),'k*');
    hold on;
end
title('样本数据');
xlabel('体重(Kg)'),ylabel('身高(cm)');
legend('男生','女生');
 
%样本1决策
fid=fopen('test1.txt','r'); 
test1=fscanf(fid,'%f %f %c',[3,inf]);
test=test1';%转置
fclose(fid);
Fmean = mean(FEMALE);%每列的均值
Mmean = mean(MALE);
Fvar = std(FEMALE);%每列的方差
Mvar = std(MALE);
preF = 5/35;%求样本一的先验概率
preM = 1-preF;
error = 0;
Nerror = 0;
%身高的决策
figure(2);
title('样本一身高的最小风险Bayes决策')
for i = 1:35
PFheight = normpdf(test(i,1),Fmean(1,1),Fvar(1,1)) ;%求正态分布
PMheight = normpdf(test(i,1),Mmean(1,1),Mvar(1,1)) ;
pFemale = preF*PFheight;
pMale =  preM*PMheight;
%决策判断并画出决策图
 if(pFemale<pMale)
  plot(i,test(i,1),'k*');
     if (test(i,3)=='f')
         Nerror = Nerror +1;
         fprintf('把第 %d个女生判断为男生了\n',i);
     end
 else
      plot(i,test(i,1),'r+');
       if (test(i,3)=='M')
         Nerror = Nerror +1;
         fprintf('把第 %d个男生判断为女生了\n',i);
     end
 end
 hold on;
end;
error = Nerror/35*100;
title('样本一身高最小错误率Bayes分类');
xlabel('测试序号'),ylabel('身高(cm)');
sprintf('%s %d %s %0.2f%s','样本一身高分类错误个数：',Nerror,'样本一身高分类错误率为：',error,'%')
%体重决策
figure(3);
error = 0;
Nerror = 0;
for j= 1:35
PFweight = normpdf(test(j,2),Fmean(1,2),Fvar(1,2)) ;
PMweight = normpdf(test(j,2),Mmean(1,2),Mvar(1,2)) ;
pwFemale = preF*PFweight;
pwMale =  preM*PMweight;
if(pwFemale<pwMale)
     plot(j,test(j,2),'k*');
     if (test(j,3)=='f')
         Nerror = Nerror +1;
         fprintf('把第 %d个女生判断为男生了\n',j);
     end
 else
     plot(j,test(j,2),'r+');
     if (test(j,3)=='M')
         Nerror = Nerror +1;
         fprintf('把第 %d个男生判断为女生了\n',j);
     end
 end
 hold on;
end;
error = Nerror/35*100;
title('样本一体重最小错误率Bayes分类');
xlabel('测试序号'),ylabel('体重(kg)');
sprintf('%s %d %s %0.2f%s','样本一体重分类错误个数：',Nerror,'样本一体重分类错误率为：',error,'%')
 
 
%样本2决策
fid=fopen('test2.txt','r'); 
test1=fscanf(fid,'%f %f %c',[3,inf]);
test=test1';
fclose(fid);
Fmean = mean(FEMALE);
Mmean = mean(MALE);
Fvar = std(FEMALE);
Mvar = std(MALE);
preF = 50/300;
preM = 1-preF;
error = 0;
Nerror = 0;
%身高的决策
figure(4);
title('样本二身高的最小风险Bayes决策')
for i = 1:300
PFheight = normpdf(test(i,1),Fmean(1,1),Fvar(1,1)) ;
PMheight = normpdf(test(i,1),Mmean(1,1),Mvar(1,1)) ;
pFemale = preF*PFheight;
pMale =  preM*PMheight;
 if(pFemale<pMale)
  plot(i,test(i,1),'k*');
     if (test(i,3)=='f')
         Nerror = Nerror +1;
         fprintf('把第 %d个女生判断为男生了\n',i);
     end
 else
      plot(i,test(i,1),'r+');
       if (test(i,3)=='M')
         Nerror = Nerror +1;
         fprintf('把第 %d个男生判断为女生了\n',i);
     end
 end
 hold on;
end;
error = Nerror/300*100;
title('样本二身高最小错误率Bayes分类');
xlabel('测试序号'),ylabel('身高(cm)');
sprintf('%s %d %s %0.2f%s','样本二身高分类错误个数：',Nerror,'样本二身高分类错误率为：',error,'%')
%体重决策
figure(5);
error = 0;
Nerror = 0;
for j= 1:300
PFweight = normpdf(test(j,2),Fmean(1,2),Fvar(1,2)) ;
PMweight = normpdf(test(j,2),Mmean(1,2),Mvar(1,2)) ;
pwFemale = preF*PFweight;
pwMale =  preM*PMweight;
if(pwFemale<pwMale)
     plot(j,test(j,2),'k*');
     if (test(j,3)=='f')
         Nerror = Nerror +1;
         fprintf('把第 %d个女生判断为男生了\n',j);
     end
 else
     plot(j,test(j,2),'r+');
     if (test(j,3)=='M')
         Nerror = Nerror +1;
         fprintf('把第 %d个男生判断为女生了\n',j);
     end
 end
 hold on;
end;
error = Nerror/300*100;
title('样本二体重最小错误率Bayes分类');
xlabel('测试序号'),ylabel('体重(kg)');
sprintf('%s %d %s %0.2f%s','样本二体重分类错误个数：',Nerror,'样本二体重分类错误率为：',error,'%')

分别test1和test2共335个测试样本。以身高或体重为特征实验结果如下:

绘制样本分布图

在这里插入图片描述

在样本一中以身高为特征进行决策
把第 23个女生判断为男生了
把第 24个女生判断为男生了
把第 30个女生判断为男生了
样本一身高分类错误个数： 3 样本一身高分类错误率为： 8.57%

在样本一中以体重为特征进行决策
把第 23个女生判断为男生了
把第 24个女生判断为男生了
把第 25个女生判断为男生了
把第 30个女生判断为男生了
把第 31个女生判断为男生了
把第 33个女生判断为男生了
样本一体重分类错误个数： 6 样本一体重分类错误率为： 17.14%

在样本二中以身高为特征进行决策
把第 254个男生判断为女生了
把第 255个男生判断为女生了
把第 264个男生判断为女生了
把第 274个男生判断为女生了
样本二身高分类错误个数： 4 样本二身高分类错误率为： 1.33%

在样本二中以体重为特征进行决策
把第 60个男生判断为女生了
把第 61个男生判断为女生了
把第 79个男生判断为女生了
把第 115个男生判断为女生了
把第 162个男生判断为女生了
把第 222个男生判断为女生了
把第 241个男生判断为女生了
把第 254个男生判断为女生了
把第 264个男生判断为女生了
样本二体重分类错误个数： 9 样本二体重分类错误率为： 3.00%

贝叶斯分类器主要是根据先验概率计算后验概率，如果决策是根据最小错误率即直接比较后验概率的大小，后验概率大的即决策为该类；如果决策根据最小风险即由后验概率和决策表计算出条件风险，取R（a1|x）和R（a2|x）小的一方决策为该类。