matlab 正态分布期望,MATLAB实现正态分布ML（极大似然）估计

极大似然估计详解

下面用MATLAB实现正态分布的ML估计

% 二维正态分布的两分类问题 (ML估计)

clc;

clear;

% 两个类别数据的均值向量

Mu = [0 0; 3 3]';

% 协方差矩阵

S1 = 0.8 * eye(2);

S(:, :, 1) = S1;

S(:, :, 2) = S1;

% 先验概率(类别分布)

P = [1/3 2/3]';

% 样本数据规模

% 收敛性：无偏或者渐进无偏，当样本数目增加时，收敛性质会更好

N = 500;

% 1.生成训练和测试数据

%{

生成训练样本

N = 500, c = 2, d = 2

μ1=[0, 0]' μ2=[3, 3]'

S1=S2=[0.8, 0; 0.8, 0]

p(w1)=1/3 p(w2)=2/3

%}

randn('seed', 0);

[X_train, Y_train] = generate_gauss_classes(Mu, S, P, N);

figure();

hold on;

class1_data = X_train(:, Y_train==1);

class2_data = X_train(:, Y_train==2);

plot(class1_data(1, :), class1_data(2, :), 'r.');

plot(class2_data(1, :), class2_data(2, :), 'g.');

grid on;

title('训练样本');

xlabel('N=500');

%{

用同样的方法生成测试样本

N = 500, c = 2, d = 2

μ1=[0, 0]' μ2=[3, 3]'

S1=S2=[0.8, 0; 0.8, 0]

p(w1)=1/3 p(w2)=2/3

%}

randn('seed', 100);

[X_test, Y_test] = generate_gauss_classes(Mu, S, P, N);

figure();

hold on;

test1_data = X_t