模式识别学习——贝叶斯分类

1、主要工作

（1）以身高为例，画出男女生身高的直方图并做对比；

（2）采用最大似然估计方法，求男女生身高以及体重分布的参数；

（3）采用贝叶斯估计方法，求男女生身高以及体重分布的参数

（4）采用最小错误率贝叶斯决策，画出类别判定的决策面。并对样本的身高体重分别为(160,45)及(178,70)时进行分类判别。

2、工作具体内容

2.1 以身高为例，画出男女生身高的直方图并做对比

这里重点是要从样本数据.xls中分别读取到男生女生的身高，并记录到相应数据中然后在直方图中分别显示男女身高频数。

本程序采用for循环方法将男生女生身高体重分别读取到man_h,man_w,woman_h,woman_w，最后用hist函数显示频数直方图。

Matlab 代码：

%--------------------------数据读取---------------------------------
clear all;
[n,t,r]= xlsread('样本数据'); 
l=1;m=1;
for k=1:149 %样本容量为149
  if n(k,2)==1
    man_h(l)=n(k,4);
    man_w(l)=n(k,5);
    l=l+1;
  else
    woman_h(m)=n(k,4);
    woman_w(m)=n(k,5);
    m=m+1;
  end
end
%--------------------------------------------------------------------

%------------------------男女生身高的直方图对比-------------------------
figure(1)
subplot(2,1,1),
hist(man_h), title('男生身高直方图'),xlabel('身高/cm'),ylabel('频数');
subplot(2,1,2),
hist(woman_h), title('女生身高直方图'),xlabel('身高/cm'),ylabel('频数');
%--------------------------------------------------------------------

结果如下图所示：

图2.1 男生女生身高频数直方图

从图中可以看出男生女生身高近似与正态分布，可知在大容量样本空间中分布将更接近于正态分布。

2.2 采用最大似然估计方法，求男女生身高以及体重分布的参数