代码与文件请从这里下载：Auorui/Pattern-recognition-programming: 模式识别编程 (github.com)
简述
分别依照身高、体重数据作为特征，在正态分布假设下利用最大似然法估计分布密度参数，建立最小错误率Bayes分类器，写出得到的决策规则，将该分类器应用到测试样本，考察测试错误情况。在分类器设计时考察采用不同先验概率（如0.5对0.5, 0.75对0.25, 0.9对0.1等）进行实验，考察对决策规则和错误率的影响。
同时采用身高与体重数据作为特征，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。 比较相关假设和不相关假设下结果的差异。在分类器设计时可以考察采用不同先验概率进行实验，考察对决策和错误率的影响。
最小错误率贝叶斯决策
这里要对男性和女性的数据进行分类，先要求解先验概念P(x)，这个概率是通过统计得到的，或者依据自身依据经验给出的一个概率值，所以这个值是可以进行设定的，可选择0.5对0.5，0.75对0.25，0.9对0.1这些进行测试。
在贝叶斯统计中，后验概率是在考虑新信息之后事件发生的修正或更新概率。后验概率通过使用贝叶斯定理更新先验概率来计算。
其中
为x的概率密度函数，即是：
贝叶斯决策可以使用下面的等式来等价表示为
如果满足上式条件，则x属于
，否则就属于
，这个就是最小错误贝叶斯决策规则。
最小风险贝叶斯决策
在实际的应用中，分类错误率最小并不一定是最好的标准，不同类别的分类错误可能会导致不同的后果。有时，某些类别的错误分类可能比其他类别更为严重。例如，在医疗诊断中，将疾病误诊为健康可能比将健康误诊为疾病更为严重。在有决策风险时候，根据风险重新选择区域
和
从而使得
最小。与
相关的风险或损失定义为:
对于本数据，只有两类：
若
，则
属于
类，即有
再经过简化，当类的样本被错误的分类会产生更严重的后果，可设置为
，所以若
，则判定为类。
数据预处理
首先我们可以观察我们的数据：
它大概是这样分布的，一行数据为身高和体重。你可以使用python文件按行读取进行数据清洗，这里可以直接使用np.loadtxt，它会返回一个二维的数组，使用切片的方法就能划分出身高和体重的特征并进行均值方差化。
python
# @Auorui
import numpy as np
from scipy.stats import norm
class Datasets:
# 一个简单的数据加载器
def __init__(self, datapath, t):
self.datapath = datapath
self.data = np.loadtxt(self.datapath) # 二维数组
self.height = self.data[:, 0]
self.weight = self.data[:, 1]
self.length = len(self.data)
self.t = t
def __len__(self):
return self.length
def mean(self, data):
# 均值,可以使用np.mean替换
total = 0
for x in data:
total += x
return total / self.length
def var(self, data):
# 方差,可以使用np.var替换
mean = self.mean(data)
sq_diff_sum = 0
for x in data:
diff = x - mean
sq_diff_sum += diff ** 2
return sq_diff_sum / self.length
def retain(self, *args):
# 保留小数点后几位
formatted_args = [round(arg, self.t) for arg in args]
return tuple(formatted_args)
def __call__(self):
mean_height = self.mean(self.height)
var_height = self.var(self.height)
mean_weight = self.mean(self.weight)
var_weight = self.var(self.weight)
return self.retain(mean_height, var_height, mean_weight, var_weight)数据加载
python
def Dataloader(maledata,femaledata):
mmh, mvh, mmw, mvw = maledata()
fmh, fvh, fmw, fvw = femaledata()
male_height_dist = norm(loc=mmh, scale=mvh**0.5)
male_weight_dist = norm(loc=mmw, scale=mvw**0.5)
female_height_dist = norm(loc=fmh, scale=fvh**0.5)
female_weight_dist = norm(loc=fmw, scale=fvw**0.5)
data_dist = {
'mh': male_height_dist,
'mw': male_weight_dist,
'fh': female_height_dist,
'fw': female_weight_dist
}
return data_dist这里使用字典的方式存储男女数据的正态分布化。
计算概率密度函数（pdf值）以及贝叶斯决策
这里我们将会采用身高进行最小风险贝叶斯决策，采用体重进行最小错误率贝叶斯决策，采用身高、体重进行最小错误率贝叶斯决策。
python
def classify(height=None, weight=None, ways=1):
"""
根据身高、体重或身高与体重的方式对性别进行分类
:param height: 身高
:param weight: 体重
:param ways: 1 - 采用身高
2 - 采用体重
3 - 采用身高与体重
:return: 'Male' 或 'Female'，表示分类结果
"""
# 先验概率的公式 : P(w1) = m1 / m ,样本总数为m,属于w1类别的有m1个样本。
p_male = 0.5
p_female = 1 - p_male
cost_male = 0 # 预测男性性别的成本,设为0就是不考虑了
cost_female = 0 # 预测女性性别的成本
cost_false_negative = 10 # 实际为男性但预测为女性的成本
cost_false_positive = 5 # 实际为女性但预测为男性的成本
assert ways in [1, 2, 3], "Invalid value for 'ways'. Use 1, 2, or 3."
assert p_male + p_female == 1., "Invalid prior probability, the sum of categories must be 1"
# if ways == 1:
# assert height is not None, "If mode 1 is selected, the height parameter cannot be set to None"
# p_height_given_male = male_height_dist.pdf(height)
# p_height_given_female = female_height_dist.pdf(height)
#
#
# return 1 if p_height_given_male * p_male > p_height_given_female * p_female else 2
if ways == 1:
assert height is not None, "If mode 1 is selected, the height parameter cannot be set to None"
p_height_given_male = male_height_dist.pdf(height)
p_height_given_female = female_height_dist.pdf(height)
risk_male = cost_male + cost_false_negative if p_height_given_male * p_male <= p_height_given_female * p_female else cost_female
risk_female = cost_female + cost_false_positive if p_height_given_male * p_male >= p_height_given_female * p_female else cost_male
return 1 if risk_male <= risk_female else 2
if ways == 2:
assert height is not None, "If mode 2 is selected, the weight parameter cannot be set to None"
p_weight_given_male = male_weight_dist.pdf(weight)
p_weight_given_female = female_weight_dist.pdf(weight)
return 1 if p_weight_given_male * p_male > p_weight_given_female * p_female else 2
if ways == 3:
assert height is not None, "If mode 3 is selected, the height and weight parameters cannot be set to None"
p_height_given_male = male_height_dist.pdf(height)
p_height_given_female = female_height_dist.pdf(height)
p_weight_given_male = male_weight_dist.pdf(weight)
p_weight_given_female = female_weight_dist.pdf(weight)
return 1 if p_height_given_male * p_weight_given_male * p_male > p_height_given_female * p_weight_given_female * p_female else 2
return 3使用测试集验证并计算预测准确率
python
def test(test_path,ways=3):
test_data = np.loadtxt(test_path)
true_gender_label=[]
pred_gender_label=[]
for data in test_data:
height, weight, gender = data
true_gender_label.append(int(gender))
pred_gender = classify(height, weight, ways)
pred_gender_label.append(pred_gender)
if pred_gender == 1:
print('Male')
elif pred_gender == 2:
print('Female')
else:
print('Unknown\t')
return true_gender_label, pred_gender_label
def accuracy(true_labels, predicted_labels):
assert len(true_labels) == len(predicted_labels), "Input lists must have the same length"
correct_predictions = sum(1 for true, pred in zip(true_labels, predicted_labels) if true == pred)
total_predictions = len(true_labels)
accuracy = correct_predictions / total_predictions
return accuracy预测结果
采用身高进行最小风险贝叶斯决策
当采用身高进行最小风险贝叶斯决策，准确率在test1数据上的准确率为94.29%，在test2数据上的准确率为91.0%。
采用体重进行最小错误率贝叶斯决策
当采用体重进行最小风险贝叶斯决策，准确率在test1数据上的准确率为94.29%，在test2数据上的准确率为85.33%。
采用身高、体重进行最小错误率贝叶斯决策
当采用身高、体重进行最小错误率贝叶斯决策，准确率在test1数据上的准确率为97.14%，在test2数据上的准确率为90.33%。
添加新的特征
除了身高、体重的组合，我们也可以延伸出新的特征，比如bmi。
python
def calculate_bmi(height,weight):
# 计算BMI作为新特征
height_meters = height / 100 # 将身高从厘米转换为米
bmi = weight / (height_meters ** 2) # BMI计算公式
return bmi这样能做出的特征就更多了，感兴趣的不妨沿着这个思路继续做。