- 博客(3)
- 资源 (3)
- 收藏
- 关注
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