用身高和体重数据进行性别分类的实验报告姓 名：刘懿郴 学 号：2009302308 范 英 学 号： 2009302316 胡 亮 学 号： 2009302319 班 级：93911、 基本要求 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。2、具体做法 （1）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。 （2） 自行给出一个决策表，采用最小风险的Bayes决策重复上面的实验。3、实验原理 已知样本服从正态分布， （1）所以可以用最大似然估计来估计和两个参数 样本类分为男生和女生两类，利用最大似然估计分别估计出男生样本的，和女生样本的，然后将数据带入（1）公式分别计算两者的类条 件概率密度和，然后根据贝叶斯公式计算出两类的后验概率和实验一：对于两类情况，我们可以仅定义一个判别函数： 其中 = = 并将决策规则表示为 如果 0，则决策； 0，则决策； 0)%15 male1=male1+1; else error11=error11+1; endend male1 error11 for n=21:number1 a=HW1(:,n); u11=173.9200;65.5020;thegema11=20.7536 23.0582;23.0582 59.8982;% u12=162.8400;52.5960;thgema12=43.9344 15.5254;15.5254 31.1285;% det11=det(thegema11);det12=det(thgema12); p(11)=1/(2*pi)*(det110.5)*exp(-1/2*(a-u11)/thegema11)*(a-u11); p(12)=1/(2*pi)*(det120.5)*exp(-1/2*(a-u12)/thgema12)*(a-u12); pz=p(11)*pw1+p(12)*pw2; p11=(p(11)*pw1)/pz;p12=(p(12)*pw2)/pz; g=p11-p12; if (g0)%test120female female1=female1+1; else error12=error12+1; en