mysql 体重 类型 身高_用身高和体重数据进行分类实验

二、具体做法：

(

1

)应用单个特征进行实验：以(

a

)身高或者(

b

)体重数据作为特征，在正

态分布假设下利用最大似然法或者贝叶斯估计法估计分布密度参数，

建立最小错

误率

Bayes

分类器，写出得到的决策规则，将该分类器应用到测试样本，考察测

试错误情况。在分类器设计时可以考察采用不同先验概率(如

0.5

对

0.5, 0.75

对

0.25, 0.9

对

0.1

等)进行实验，考察对决策规则和错误率的影响。

(

2

)应用两个特征进行实验：同时采用身高和体重数据作为特征，分别假设二

者相关或不相关，

在正态分布假设下估计概率密度，

建立最小错误率

Bayes

分类

器，写出得到的决策规则，将该分类器应用到训练

/

测试样本，考察训练

/

测试错

误情况。

比较相关假设和不相关假设下结果的差异。

在分类器设计时可以考察采

用不同先验概率(如

0.5 vs. 0.5, 0.75 vs. 0.25, 0.9 vs. 0.1

等)进行实验，考察对决

策和错误率的影响。

(

3

)自行给出一个决策表，采用最小风险的

Bayes

决策重复上面的某个或全部

实验。

三、原理简述及程序框图

最小错误率

Bayes

分类器

(

1

)基于身高

第一步

求出训练样本的方差和期望

第二步

利用单变量正态分布公式算出条件概率

第三步

将前两步的值带入贝叶斯公式