小城老师

数据集 hwlp5 data 中包含由非线性函数y=f(x)+n合成的数据，其中n 为加性噪声。请你研究多项式函数能在多大程度上可以用来表示这个关系。 (1)随机选择n=10个数据点作为训练数据，其余数据点用作测试样本。建 立一阶多项式模型(例如，y=ax+b,提示:在 MATLAB 中,使用命令 polyfit)。 以测试样本对测试样本的形式，绘制模型输出。计算模型的均方误差(MSE，模 型预测值与正确输出值之间的平方误差平均值)。 (2)对于 2-10 阶多项式，重复做(1)。 (3)重复做(1)和(2)各 100 次，估计每一阶多项式重复 100 次的平均 MSE。 绘制log(MSE)(即对数尺度的 MSE)与多项式阶数的关系图。 (4)对训练集大小为n={15,20,25,50,100,200}，重复做(1)-(3)。 (5) 讨论模型的log(MSE)随多项式阶数和用于训练模型的样本数如何变化。 讨论你的结果。 ================================================================================

数据集 hwlp4 dat 中包含下述三维问题的数据。 (1)绘制数据集中每一对特征的二维散点图，并对数据的结构进行分析。 (2)估计数据的平均向量和协方差矩阵。协方差矩阵中非对角线项与(1)中的 散点终一致吗?为什么一致或不一致? (3)使用你在(2)中估计的均值向量和协方差矩阵生成高斯分布的数据集。 (提示:可使用命令 mvnrnd) (4)使用你在(3)中生成的数据集，重复做(1)。这里的散点图与(1)中的一致 吗?为什么一致或不一致? 讨论你的结果。=-===========================================================================================================================================================================================================================================================================

考虑一个医学诊断问题，用快速生化检验筛查病人。根据下列似然函数，健 康者的检验返回结果接近0，受感染者的返回结果接近 1: p(xw)=N(μ=0,o=0.3) p(x/w₂)=N(μ=1,σ=0.1) 假设平均1万个患者中有1人受感染，且误诊的代价如下: (1)将健康者诊断为“感染者”:预计病人综合医疗费用为2万人民币。 (2) 将感染者诊断为“健康者”:预计由于误诊导致的医疗费用为 100 万人 民币。 根据下列准则，分析并确定决策规则: (a) 最大似然, (b)最大后验概率，(c)最小贝叶斯风险。讨论你的结果。 注意，可以使用 MATLAB 中的 solve 命令求解多项式的用符号表示的根， 用命令 subs 把符号表达式转换为数值。

一家大型农产品经销商经营三种不同的鳄梨水果:西印度(A)、危地马拉(B) 和墨西哥(C)。西印度群岛的类型是大鳄梨，重1200-1800 克，成熟时表皮平滑。 呈绿色到微红色。它的含油量也往往最低(只有 7%)。西印度群岛偏向低地加勒 比海气候。危地马拉鳄梨(Hass)是一种大型高原鳄梨，重 400-600克，皮厚而 多疣，种子大而紧，含油量适中。墨西哥鳄梨果实相对较小，重 100-300 克，皮 薄而光滑，黑色，种子疏松，植物油含量最高(有时可达 30%)，生长在最干燥、 最凉爽的地方。 假设这家公司的水果产品分布是 35%西印度鳄梨，40%危地马拉鳄梨，25% 墨西哥鳄梨，请你建立产品的概率密度函数(pdf)。 (a)不考虑鳄梨的类型，建立一个概率密度函数，用于对产品权值(比例) 分布进行建模。假设上述权值的上限和下限表示平均权值士一个标准偏差。

(1)冬1显示了4种装配零件的彩色冬像:螺母(nuts)、螺钉(screws)、支架(brackets) 和垫圈(washers)。请你设计一组特征(不超过4种)，能很好地把4种零件分开。 分析、讨论你的特征和背后的原理。 (2) 编写代码提取每种模式的上述4种特征，绘制每对特征的二维散点图(如.fl vs.f2,f3 vs.f4，等)，讨论你的结果。 (3)计算原始空间中每一对样本之间的欧式距离。首先，你得把所有图像都转换 为同样大小,比如 32x32 彩色像素(提示:在 MATLAB 中,可使用函数 imresize)。 把距离组成30x30 的矩阵进行显示(提示:在 MATLAB中,可使用承数 imagesc)。 在一维特征空间中，重复上述过程。比较两种距离矩阵，在原始图像空间中和特征 =====================================================================================================================================================