用身高體重數據進行性別分類的實驗一1)用dataset1.txt作為訓練樣本，用dataset2.txt作為測試樣本，采用身高和體重數據為特征，在正態分布假設下估計概率密度（只用訓練樣本），建立最小錯誤率貝葉斯分類器，寫出所用的密度估計方法和得到的決策規則，將該分類器分別應用到訓練集和測試集，考察訓練錯誤率和測試錯誤率。將分類器應用到dataset3上，考察測試錯誤率的情況。（在分類器設計時可以嘗試采用不同先驗概率，考查對決策和錯誤率的影響。）2)自行給出一個決策表，采用最小風險貝葉斯決策重復上面的實驗。題目分析題目分析matlab程序實現第一步、獲取樣本數據，存儲為矩陣A；這里給定的樣本數據以記事本（.txt）形式存儲Matlab程序文件名readdata.m極大似然法求取均值和方差（Matlab函數名稱為likelihood.m）function[average,cov]=likelihood(A)%程序：最大似然估計%功能：求取身高、體重二維向量的正態分布參數AT=A.';[M,N]=size(AT);average=zeros(M,1);sum=zeros(M,1);fori=1:Msum(i,1)=0;forj=1:Nsum(i,1)=sum(i,1)+AT(i,j);endendfori=1:Maverage(i,1)=sum(i,1)/N;endcov=zeros(M,M);temp=zeros(M,1);fori=1:Nforj=1:Mtemp(j,1)=AT(j,i);endcov=cov+(temp-average)*((temp-average).');endcov=cov/N;運行程序readdata.mfunction

sex=determine(a,b)%程序：Bayes決策%功能：已知一個身高體重的二維向量數據，判斷這個數據對應的人是男是女p1=1/139.2270*exp(-1/1.7539*(((a-162.3205)^2)/20.9101-(a-162.3205)*(b-51.4038)/33.7263+((b-51.4038)^2)/26.7760));p2=1/298.7922*exp(-1/1.6302*(((a-174.9960)^2)/28.3140-(a-174.9960)*(b-67.2340)/61.2470+((b-67.2340)^2)/97.9862));chenhao1=78/(78+250);chenhao2=250/(78+250);P1=p1*chenhao1/(p1*chenhao1+p2*chenhao2);P2=p2*chenhao2/(p1*chenhao1+p2*chenhao2);ifP1>P2sex=0;elsesex=1;end根據得到的概率密度函數程序實現Bayes分類器（Matlab函數名稱為determine.m）function

[girl,boy]=error_determine(A)%程序：計算錯誤率%功能：對于一個輸入數據樣本，計算男生和女生的數目，計算錯誤率AT=A.';[M,N]=size(AT);girl=0;boy=0;fori=1:Nkey=determine(AT(1,i),AT(2,i));ifkey==0girl=girl+1;elseboy=boy+1;endend計算錯誤率（Matlab函數名稱為determine.m）用身高體重數據進行性別分類的實驗二采用身高和體重數據作為特征，用Fisher線性判別方法設計分類器。做兩次實驗，分別用dataset1.txt和dataset2.txt中的一個文件做訓練集、另一個文件和dataset3.txt做測試集，考察訓練和測試錯誤情況。將訓練樣本和求得的決策邊界畫到圖上，同時把上次用貝葉斯分類器求得的分類線也畫到圖上，對分類線進行討論。題目分析計算閾值和最佳變換向量（Matlab函數名稱為fisher.m）function

[w,threshold]=fisher(boys,girls)%程序：fisher線性分類器%功能：應用fisher分類方法，使用訓練數據獲得閾值和最佳變換向量A=boys.';B=girls.';[k1,l1]=size(A);[k2,l2]=size(B);M1=sum(boys);M1=M1.';M1=M1/l1;M2=sum(girls);M2=M2.';M2=M2/l2;S1=zeros(k1,k1);S2=zeros(k2,k2);fori=1:l1S1=S1+(A(:,i)-M1)*((A(:,i)-M1).');endfori=1:l2S2=S2+(B(:,i)-M2)*((B(:,i)-M2).');endSw=S1+S2；w=inv(Sw)*(M1-M2);wT=w.';m1=wT*M1;m2=wT*M2;threshold=(l1*m1+l2*m2)/(l1+l2);決策面繪圖（Matlab函數名稱為graphics.m）function

graphics1(boys,girls,w,threshold)%程序：畫圖%功能：將訓練樣本（dataset2.txt)和決策面畫到一幅圖上A=boys.';B=girls.';[m1,n1]=size(A);[m2,n2]=size(B);fori=1:n1x=A(1,i);y=A(2,i);plot(x,y,'R.');holdonendfori=1:n2x=B(1,i);y=B(2,i);plot(x,y,'G.');holdonenda1=min(A(1,:));a2=max(A(1,:));b1=min(B(1,:));b2=max(B(1,:));a3=min(A(2,:));a4=max(A(2,:));b3=min(B(2,:));b4=max(B(2,:));ifa1<b1a=a1;elsea=b1;endifa2>b2b=a2;elseb=b2;endifa3<b3c=a3;elsec=b3;endifa4>b4d=a4;elsed=b4;endx=a:0.01:b;y=(threshold-x*w(1,1))/w(2,1);plot(x,y,'B');ezplot('(1/139.2270*exp(-1/1.7539*(((x-162.3205)^2)/20.9101-(x-162.3205)*(y-51.4038)/33.7263+((y-51.4038)^2)/26.7760)))-(1/298.7922*exp(-1/1.6302*(