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、利用K-L 变换进行特征提取。
2、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。
3、试验直接设计线性分类器的方法，与基于概率密度估计的贝叶斯分类器进行比较。
二、实验数据
训练样本：FAMALE.TXT (50个女同学的身高与体重数据) MALE.TXT (50个男同学的身高与体重数据)
测试样本：Text1.TXT (35个同学的身高与体重数据，其中20个男同学，15个女同学) Text2.TXT (300个同学的身高与体重数据，其中250个男同学，50个女同学)
三、具体做法
1、不考虑类别信息对整个样本集进行K-L 变换(即PCA )，并将计算出的新特征方向表示在二维平面上，考察投影到特征值最大的方向后男女样本的分布情况并用该主成分进行分类。
2、利用类平均向量提取判别信息，选取最好的投影方向，考察投影后样本的分布情况并用该投影方向进行分类。
3、采用身高和体重数据作为特征，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。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。
4、用Fisher 线性判别方法求分类器，将该分类器应用到训练和测试样本，考察训练和测试错误情况。将训练样本和求得的决策边界画到图上，同时把以往用Bayes 方法求得的分类器也画到图上，比较结果的异同。
四、原理简述及程序框图
1.不考虑类别信息对整个样本集进行K-L 变换
(1)读入female.txt 和male.txt 两组数据，组成一个样本集。计算样本均值向量u E x ????
=和协方差()()T
x u x u c E ??--??
= (2)计算协方差阵特征值和特征向量 (3)选取特征值最大的特征向量作为投影方向 (4)选取阈值进行判断
如果觉得《PHP程序判断男女身高体重是否 用身高和体重数据进行性别分类的实验报告》对你有帮助，请点赞、收藏，并留下你的观点哦！
