- 博客(3)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 利用最大似然估计方法估计参数
机器学习实验三，详情请参考《模式分类》第二版第三章课后上机练习3.2节实验环境：Matlab2016a实验内容：给定以下w1和w2的三维数据，考虑不同维数下的高斯概率密度模型：（a）编写程序，对表格中的类w1中的3个特征，分别求解最大似然估计。 （b）修改程序，处理二维数据的情形。然后处理对表格中的类w1中的任意两个特征的组合（3种可能）。 （c）修改程序，处理三维数据的情形。然后处理表格中类w
2017-03-27 17:04:01
17307
1
原创 利用贝叶斯判别函数设计分类器
详情请参阅《模式分类》第二版第二章上机练习2.5节第2题数据说明：有w1，w2，w3三组样本数据如下（符合正态分布）： （1）假设P(w1)=P（w2）=0.5，P（w3）=0，仅利用x1特征值为这两类判别设计一个分类器，并确定样本的经验训练误差，即误分点的百分比。 （2）假设P(w1)=P（w2）=0.5，P（w3）=0，利用x1，x2两个特征值为这两类判别设计一个分类器，并确定样本的经验训练
2017-03-19 20:48:23
4892
4
原创 Matlab实现简单K-means聚类算法
K-means算法简要思想:算法接受参数 k ；然后将事先输入的n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。（1）适当选择k个类的初始中心；（2）在第k次迭代中，对任意一个样本，求其到各中心的距离，将该样本归到距离最短的中心所在的类；（3）利用均值等方法更新类的中心值；（4）对于所有的c个聚类中心，如果利用（2）（3）的迭代
2017-03-13 17:40:35
15340
29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人