【学习笔记】matlab算法实现贝叶斯判别classify函数
2014-02-17 08:56
981 查看
贝叶斯判别:对象(总体)在抽样前已有一定的认识,常用先验分布来描述这种认识,然后给予抽取的样本再对先验认识作修正,得到后验分布,而各种统计推断均基于后验分布进行。将Bayes 统计的思想用于判别分析,就得到Bayes判别。
在Matlab软件包中,将已经分类的m个数据(长度为n)作为行向量,得到一个矩阵trianing,每行都属于一个分类类别,分类类别构成一个整数列向量g(共有m行),待分类的k个数据(长度为n)作为行向量,得到一个矩阵sample,然后利用classify函数进行线性判别分析(默认)。它的格式为:
classify(sample,training,group),
采用一个大气污染的例子
现在有样品如下,求的他们的分类~
采用matlab程序实现如下:
training=[0.056 0.084 0.031 0.038 0.0081 0.022;
0.040 0.055 0.100 0.110 0.0220 0.0073;
0.050 0.074 0.041 0.048 0.0071 0.020;
0.045 0.050 0.110 0.100 0.0250 0.0063;
0.038 0.130 0.079 0.170 0.0580 0.043;
0.030 0.110 0.070 0.160 0.0500 0.046;
0.034 0.095 0.058 0.160 0.200 0.029;
0.030 0.090 0.068 0.180 0.220 0.039;
0.084 0.066 0.029 0.320 0.012 0.041;
0.085 0.076 0.019 0.300 0.010 0.040;
0.064 0.072 0.020 0.250 0.028 0.038;
0.054 0.065 0.022 0.280 0.021 0.040;
0.048 0.089 0.062 0.260 0.038 0.036;
0.045 0.092 0.072 0.200 0.035 0.032;
0.069 0.087 0.027 0.050 0.089 0.021];
group=[1;1 ;1 ;1 ;2 ;2 ;1; 1; 2 ;2 ;2 ;2 ;2 ;2 ;1];
sample=[0.052 0.084 0.021 0.037 0.0071 0.022;
0.041 0.055 0.110 0.110 0.0210 0.0073;
0.030 0.112 0.072 0.160 0.056 0.021;
0.074 0.083 0.105 0.190 0.020 1.000];
[class,err]=classify(sample,training,group,'mahalanobis')
存盘后执行,得到
class =
1
1
2
2
err =
0
转自:http://blog.sina.com.cn/s/blog_6c7b434d01013zv7.html
在Matlab软件包中,将已经分类的m个数据(长度为n)作为行向量,得到一个矩阵trianing,每行都属于一个分类类别,分类类别构成一个整数列向量g(共有m行),待分类的k个数据(长度为n)作为行向量,得到一个矩阵sample,然后利用classify函数进行线性判别分析(默认)。它的格式为:
classify(sample,training,group),
采用一个大气污染的例子
现在有样品如下,求的他们的分类~
采用matlab程序实现如下:
training=[0.056 0.084 0.031 0.038 0.0081 0.022;
0.040 0.055 0.100 0.110 0.0220 0.0073;
0.050 0.074 0.041 0.048 0.0071 0.020;
0.045 0.050 0.110 0.100 0.0250 0.0063;
0.038 0.130 0.079 0.170 0.0580 0.043;
0.030 0.110 0.070 0.160 0.0500 0.046;
0.034 0.095 0.058 0.160 0.200 0.029;
0.030 0.090 0.068 0.180 0.220 0.039;
0.084 0.066 0.029 0.320 0.012 0.041;
0.085 0.076 0.019 0.300 0.010 0.040;
0.064 0.072 0.020 0.250 0.028 0.038;
0.054 0.065 0.022 0.280 0.021 0.040;
0.048 0.089 0.062 0.260 0.038 0.036;
0.045 0.092 0.072 0.200 0.035 0.032;
0.069 0.087 0.027 0.050 0.089 0.021];
group=[1;1 ;1 ;1 ;2 ;2 ;1; 1; 2 ;2 ;2 ;2 ;2 ;2 ;1];
sample=[0.052 0.084 0.021 0.037 0.0071 0.022;
0.041 0.055 0.110 0.110 0.0210 0.0073;
0.030 0.112 0.072 0.160 0.056 0.021;
0.074 0.083 0.105 0.190 0.020 1.000];
[class,err]=classify(sample,training,group,'mahalanobis')
存盘后执行,得到
class =
1
1
2
2
err =
0
转自:http://blog.sina.com.cn/s/blog_6c7b434d01013zv7.html
相关文章推荐
- 语音学习笔记3------matlab实现傅里叶反变换ifft()函数
- 图像处理学习笔记之MATLAB中imhist、imadjust、stretchlim函数实现
- 语音学习笔记4------matlab实现逆向生成音频格式的信号audiowrite()函数
- MATLAB神经网络学习笔记之:利用learnp函数对感知器网络实现‘或’门
- 学习笔记——Kaggle_Digit Recognizer (KNN算法 Python实现)
- matlab学习笔记--函数
- 每天学习一算法系列(24)(实现字符串左旋转的函数)
- 学习笔记: CIC filter及其matlab实现(转)
- web前端学习笔记-瀑布流的算法分析与代码实现
- 《模式识别与智能计算-matlab技术实现》学习笔记一
- 【学习笔记六】 - js中 创建对象的模式与继承 及 js中实现块级作用域和函数私有变量 《js高程》6-7笔记
- [学习笔记]分类算法之朴树贝叶斯
- 算法(第四版)学习笔记之java实现栈和队列(链表实现)
- SGI STL学习笔记(3):copy算法实现细节
- matlab 分类(判别)函数classify()
- python学习笔记(三) 实现switch,内建函数,模块和包
- 【Java数据结构学习笔记之三】Java数据结构与算法之队列(Queue)实现
- 《PID控制算法的C语言实现》学习笔记
- Matlab画函数图学习笔记3
- 算法学习笔记——函数调用、递归以及栈-part 1