用身高和体重数据进行分类实验

用身高和体重数据进行性别分类的实验报告

一、基本要求

：

1

．

用

FAMALE.TXT

和

MALE.TXT

的数据作为训练样本集，建立

Bayes

分类器，

用测试样本数据对该分类器进行测试。调整特征、分类器等方面的一些因素，

考察它们对分类器性能的影响，从而加深对所学内容的理解和感性认识。

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

第四步

若

pF>=pM

，则判断其为第一类，反之，第二类