hechao930407的博客

1． 仍然使用第一次作业中收集的数据作为训练集（注意：不得超过20+20 例样 本），采用身高和体重为特征进行性别分类，训练SVM 分类器，在测试数据 dataset1.txt 上测试分类效果。SVM 中分别使用线性核和高斯核，参数自己 确定。 2． 使用一个较大的数据集（dataset2.txt）作训练样本，采用身高和体重为特征 进行性别分类，在正态分布假设下估计概率密度，建立最小错误率贝叶斯分 类器，写出得到的决策规则；把分类器应用到dataset1.txt 上，计算测试错 误率。（自行决定采用什么先验概率。） 3． 将样本和两次作业中得到的多个分类面画到由身高和体重组成的二维平面 上，尝试进行分析和讨论。（也可以在基本要求基础上自己设计其他实验，将 结果放到一起进行分析。）

用身高体重数据进行性别分类的实验 用本组采集的数据作训练样本，采用身高和体重为特征进行性别分类，在正 态分布假设下估计概率密度，建立最小错误率贝叶斯分类器，写出得到的决 策规则；将分类器应用到训练集上计算训练错误率；把分类器应用到 dataset1.txt 上，计算测试错误率。在分类器设计时尝试采用不同先验概率（比如0.5 对0.5，0.24 对0.76 等），考查对决策和错误率的影响。 自行给出一个决策表，采用最小风险贝叶斯决策重复上面的实验。 用题2 中得到的似然比或对数似然比为分类指标，粗略画出ROC 曲线。