模式识别实验1:利用parzen窗函数构造类条件概率并使用最小错误贝叶斯准则判断类别

import pandas as pd
import math

df = pd.read_table("banana.dat", sep=',', skiprows=3)
df.columns = ['At1', 'At2', 'Class']  # 导入数据并添加列名
PosNum = 0  # 样本中类别1的数量
NegNum = 0  # 样本中类别2的数量
PosList = []
NegList = []
# 将样本中两类分类并计数
for i in range(len(df)):
    if df['Class'][i] == 1.0:
        PosNum += 1
        PosList.append(df['At1'][i])
    elif df['Class'][i] == -1.0:
        NegNum += 1
        NegList.append(df['At1'][i])
# 计算先验概率:#F表示先验概率Former
PosPro_F = PosNum / (PosNum + NegNum)
NegPro_F = NegNum / (PosNum + NegNum)


# 建立正态窗函数,输入分别为数据列表,窗宽h,输入量h
def parzen(DataList, h, x):
    sum = 0
    hn = h
    for i in range(len(DataList)):
        sum += math.exp(-(((x - DataList[i]) / hn) ** 2) / 2) / (math.sqrt(2 * math.pi) * hn)
    return sum / len(DataList)


testnum = ''
while testnum != exit:
    testnum = float(input('请输入-3.09-3.19的测试样本值,输入exit退出'))
    if testnum == exit:
        break
    else:
        # 实验数据值的类条件概率密度的取值:N表示Number
        PosPro
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值