qq_45964936的博客

1．实验数据：iris数据，分为三种类型：分别为w1，w2和w3类，每种类型中包括50个四维的向量，各类别出现的概率相等。 2实验要求 1）从iris数据的每个样本中取出三个特征作为分类特征，并且将样本点画出； 2）从每个类别的数据中抽取45个样本作为训练样本，5个样本作为测试样本， 3）用感知器批处理的方法实现w1类和w2类之间，w2类和w3类之间分类器的设计，并记录收敛的步骤。 4）用感知器单步处理的方法实现w1类和w2类之间，w2类和w3类之间分类器的设计，并记录收敛的步骤。 5）用多类分类器的逐步修正的方法对三个类别进行分类，写出每个类别的判别函数，画出分类面 6）将测试样本分别应用在分类器上，对测试样本进行判别，将判别结果进行显示。

实验数据：IRIS数据。分为三种类型，每种类型中包括50个四维的向量。 实验模型：假设IRIS数据是正态分布的。 实验准备：在每种类型中，选择45个向量作为训练样本，5个作为测试样本。 实验要求： 1. 使用fisher判别准则，从每个类别的4个特征中选取3个特征，分别针对其中的两种类别设计线性分类器，即设计第一类和第二类，第二类和第三类，第一类和第三类之间的分类面。 2. 并用测试样本计算分类器的性能。 3. 在确定w0时可以尝试使用不同的经验值，比较分类结果是否不同？ 　 或者 分类结果一致 4. 要求画出投影前的样本点，以及投影后的测试样本点、投影方向及分类面。

1.利用所提供的训练数据，完成基本最小错误率的贝叶斯分类器的设计，并用测试数据进行测试，计算出错误率。 2.再使用最小风险判别准则进行分类，实验中假设风险参数矩阵为L，该数据可根据实际损失的情况需要进行修改。 这里给定损失参数矩阵为:[0,2,1; 3,0,4; 1,2,0] 损失参数矩阵可以调整. 3.改变损失矩阵对分类结果是否会有影响？给出不同的两组损失矩阵得到的分类结果。 4.使用python语言来完成实验