用身高和体重数据进行性别分类的实验报告

用身高和体重数据进行性别分类的

实验报告

部门： xxx

时间： xxx

整理范文，仅供参考，可下载自行编辑

用身高和体重数据进行性别分类的实验报告<二）

一、基本要求

1、实验非参数估计，体会与参数估计在适用情况、估计结果方面的异同。

2、实验直接设计线性分类器的方法，与基于概率密度估计的贝叶斯分类器进行比较。

3、体会留一法估计错误率的方法和结果。

二、具体做法

1、在第一次实验中，挑选一次用身高作为特征，并且先验概率分别为男生0.5，女生0.5的情况。改用Parzen窗法或者kn近邻法估计概率密度函数，得出贝叶斯分类器，对测试样本进行测试，比较与参数估计基础上得到的分类器和分类性能的差别。b5E2RGbCAP

2、同时采用身高和体重数据作为特征，用Fisher线性判别方法求分类器，将该分类器应用到训练和测试样本，考察训练和测试错误情况。将训练样本和求得的决策边界画到图上，同时把以往用Bayes方法求得的分类器也画到图上，比较结果的异同。p1EanqFDPw

3、选择上述或以前实验的任意一种方法，用留一法在训练集上估计错误率，与在测试集上得到的错误率进行比较。DXDiTa9E3d

三、原理简述及程序框图

1、挑选身高(身高与体重>为特征，选择先验概率为男生0.5女生0.5的一组用Parzen窗法来求概率密度函数，再用贝叶斯分类器进行分类。RTCrpUDGiT

以身高为例

本次实验我们组选用的是正态函数窗，即，窗宽为

。5PCzVD7HxA

故女生的条件概率密度为

男生的条件概率密度为

根据贝叶斯决策规则知

如果，否则，。

流程图如下：

2、要求是同时采用身高和体重数据作为特征，用Fisher线性判别方法求分类器，将该分类器应用到训练和测试样本，考察训练和测试错误情况。将训练样本和求得的决策边界画到图上，同时把以往用Bayes方法求得的分类器也画到图上，比较结果的异同。jLBHrnAILg

说明，取男生和女生的先验概率分别为0.5,0.5。在设计贝叶斯分

类器时，首先求各类样本均值向量，及，然后求

各个样本的来内离散度矩阵，及，再求

出样本的总类内离散度，及，根据公式

求出把二维X空间投影到一维Y空间的最好的投

影方向。再求出一维Y空间中各类样本均值，

其中,本次实验的分界阈值我们用如下方法得到：

,最后，将测试样本中的值代入，求出y，并将其与y0来进行比较来分类。xHAQX74J0X

根据课本对Fisher线性判别法的介绍，得到的算法流程图如下：

3、选择上述或以前实验的任意一种方法，用留一法在训练集上估计错误率，与在测试集上得到的错误率进行比较。LDAYtRyKfE

这里我们选择Fisher线性判别法，用留一法来估计它在训练集上的错误率，并将结果与Fisher线性判别法对测试集进行判别时得到的错误率进行比较。Zzz6ZB2Ltk

具体流程图如下：

四、实验结果及分析总结

1、得到结果如下表

以身高作为特征

h=4

以身高与体重作为特征h=7

分析：通过比较可知，在用最大似然估计这种参数估计方法和Parzen这种非参数估计方法来进行分类时，最大似然估计判别的错误率低。dvzfvkwMI1

2、得到结果如下

<1）、用Fisher线性判别方法求分类器，将分类器应用到训练和测试样本上，比较其错误率

分析：用训练样本得到的分类器测试测试样本时错误率低，测试结果较好，但测试训练样本时，其错误率较高，测试结果不好。rqyn14ZNXI

<2）、将训练样本和求得的决策边界画到图上

先验概略为0.5,0.5

从图中我们可以直观的比较出对训练样本Fisher判别比最大似然Bayes判别效果更好。

3、留一法测试结果如下：

分析：用留一法在训练样本机上估计错误率时，错误率小于它在测试样本集上得到的错误率，且留一法在测试样本集上女生错误个数

远低于男生错误个数。EmxvxOtOco

五、体会

这次实验，我们组用了接近三天的时间，首先，我们对题目要求进行认真分析，在确保对题目完全理解的基础上，开始一步一步分析，求解。对每个小题，及其每一问，我们都经过查书，查资料，编代码这几个步骤，仔细分析每一步算法，得出流程图。经过第一次作业的编程，本次编程我们都觉得轻松了很多，但还会出现一些细节上的错误，不过，这些在我们经过不断的调试之后都会被发现并解决。总体而言，本次实验，让我们对Parzen窗法求类条件概率密度，以及Fisher线性判别法都有了更大的了解。SixE2yXPq5

代码:

%特征是身高，先验概率为0.5、0.5时用Parzen窗法，贝叶斯分类器。

clc。

clear all。

[FH

FW]=textread('C:\Users\xuyd\Desktop\homework\FEMALE.txt','% f%f'>。6ewMyirQFL

[MH

MW]=textread('C:\Users\xuyd\Desktop\homework\MALE.txt','%f% f'>。kavU42VRUs

FA=[FH FW]。

MA=[MH MW]。

N1=max(size(FA>>。

h1=4。

hn1=h1/(sqrt(N1>>。

VN1=h1/(sqrt(N1>>。

N2=max(size(MA>>。

h2=4。

hn2=h2/(sqrt(N2>>。

VN2=h2/(sqrt(N2>>。

[tH

tW]=textread('C:\Users\xuyd\Desktop\homework\test2.txt','%f %f%*s'>。y6v3ALoS89

X=[tH tW]。

[M N]=size(X>。

s=zeros(M,1>。

A=[X(:,1> X(:,2> s]。

error=0。

errorgirl=0。

errorboy=0。

errorrate=0。

errorgirlrate=0。

errorboyrate=0。