機械学習(周志華)参考答案第七章ベキス分類器7.6
4072 ワード
機械学習(周志華)参考答案第七章ベキス分類器7.6
機械学習(周志華スイカ本)参考答案カタログhttp://blog.csdn.net/icefire_tyh/articale/detail/520644910 機械学習(周志華)参考答案第七章ベキス分類器http://blog.csdn.net/icefire_tyh/articale/detail/52167273 7.6.プログラミングを試してAODE分類器を実現し、スイカデータセット3.0をトレーニングセットにして、「測定1」サンプルを分類します。このテーマは3.3とほぼ同じで、半シンプルなベノス分類器を使っています。各ノードが他のすべてのノードであると仮定しています。しきい値は通常30に設定されているが、ここでは明らかにしきい値の制限がない。計算結果が正の確率は0.099で、負の確率は0.000458です。連続属性の結合確率が面倒くさいので、ここでは離散属性だけを処理して判断します。
機械学習(周志華スイカ本)参考答案カタログ
x = xlsread('C:\Users\icefire\Desktop\ml\ 3.xlsx', 'sheet1', 'A1:Q6');
y = xlsread('C:\Users\icefire\Desktop\ml\ 3.xlsx', 'sheet1', 'A9:Q9');
%
test=x(:,1);
%
pn=[3; 3; 3; 3; 3; 2];
pc=0; %
nc=0; %
% 6
for i=1:6
c=zeros(2,1);
% , p(xi|c)
for j=1:17
if(x(i,j)==test(i))
c(y(j))=c(y(j))+1;
end
end
tpc=1;
tnc=1;
% , p(xj|c,xi)
for j=1:6
ct=zeros(2,1);
for k=1:17
if(x(i,k)==test(i) && x(j,k)==test(j))
ct(y(j))=ct(y(j))+1;
end
end
tpc = tpc * (ct(1)+1)/(c(1)+pn(j));
tnc = tnc * (ct(2)+1)/(c(2)+pn(j));
end
pc=pc+(c(1)+1)/(8+pn(i))*tpc;
nc=nc+(c(2)+1)/(9+pn(i))*tnc;
end