一、实验目的
本次实验的主要内容是编程实现一个可以对两类模式样本进行分类的贝叶斯分类器,其中假设两个模式类的条件概率分布均为高斯分布。本次实验自定义一个函数self_mvnrnd(varargin) ,输入8个参数,其中,参数1,2,3,4分别为一类模式样本的均值矢量,协方差矩阵,样本数,先验概率,参数5,6,7,8分别为另一类模式样本的均值矢量,协方差矩阵,样本数,先验概率。最后,调用self_mvnrnd()函数可以用最小错误率贝叶斯分类器对其进行分类,统计正确分类的百分比,并在二维图上用不同的颜色画出正确分类和错分的样本。
二、实验内容
利用贝叶斯后验概率确定分类:
设有19人进行体检,结果如下表。但事后发现4人忘了写性别,试问,这4人是男是女?
序号 |
身高 |
体重 |
性别 |
序号 |
身高 |
体重 |
性别 |
1 |
170 |
68 |
男 |
11 |
140 |
62 |
男 |
2 |
130 |
66 |
女 |
12 |
150 |
64 |
女 |
3 |
180 |
71 |
男 |
13 |
120 < |