2.59-2.66

;2.59 union-set

;element-of-set?
(define (element-of-set? x set)
  (cond ((null? set) #f)
        ((equal? x (car set)) #t)
        (else (element-of-set? x (cdr set)))))

(define (union-set s1 s2)
  (cond ((null? s1) s2)
        ((null? s2) s1)
        ((element-of-set? (car s1) s2)
         (union-set (cdr s1) s2))
        (else (cons (car s1) (union-set (cdr s1) s2)))))

;2.61
;just a insertion sorting
(define (adjoin-set x tset)
  (define (iter set s) 
    (cond ((null? s) (cons x s))
          ((< x (car s)) (if (null? set) 
                             (cons x s)
                             (append set (cons x s))))
          ((= x (car s)) tset)
          (else (iter (if (null? set)
                          (list (car s))
                          (append set (list (car s))))
                      (cdr s)))))
  (iter '() tset))

;2.62 sorted-union-set
(define (sorted-union-set s1 s2)
  (cond ((null? s1) s2)
        ((null? s2) s1)
        ((< (car s1) (car s2)) (cons (car s1) (sorted-union-set (cdr s1) s2)))
        ((= (car s1) (car s2)) (sorted-union-set (cdr s1) s2))
        (else (cons (car s2) (sorted-union-set s1 (cdr s2))))))

;2.63 The result is  same and the second is slower
;define tree
(define (entry tree) (car tree))
(define (left-branch tree) (cadr tree))
(define (right-branch tree) (caddr tree))
(define (make-tree entry left right)
  (list entry left right))

(define (tree->list-1 tree)
  (if (null? tree)
      '()
      (append (tree->list-1 (left-branch tree))
              (cons (entry tree)
                    (tree->list-1 (right-branch tree))))))

(define (tree->list-2 tree)
  (define (copy-to-list tree result-list)
    (if (null? tree)
        result-list
        (copy-to-list (left-branch tree)
                      (cons (entry tree)
                            (copy-to-list (right-branch tree)
                                          result-list)))))
  (copy-to-list tree '()))

;2.64
(define (list->tree elements)
  (car (partial-tree elements (length elements))))

(define (partial-tree elts n)
  (if (= n 0)
      (cons '() elts)
      (let ((left-size (quotient (- n 1) 2)))
        (let ((left-result (partial-tree elts left-size))) 
          (let ((left-tree (car left-result))
                (non-left-elts (cdr left-result))
                (right-size (- n (+ left-size 1)))) 
            (let ((this-entry (car non-left-elts))
                  (right-result (partial-tree (cdr non-left-elts)
                                            right-size))) 
              (let ((right-tree (car right-result))
                    (remaining-elts (cdr right-result)))
                (cons (make-tree this-entry left-tree right-tree)
                      remaining-elts))))))))
          
;2.65
(define (union-set-1 s1 s2)
  (list->tree (sorted-union-set (tree->list-1 s1) (tree->list-2 s2))))

(define (intersection-set-1 s1 s2)
  (list->tree (intersection-set (tree->list-1 s1) (tree->list-2 s2))))

;2.66
(define (look-up-from-tree given-key tree)
  (cond ((null? tree) #f)
        ((equal? (entry tree) given-key) (entry tree))
        ((> given-key (entry tree)) (look-up-from-tree given-key (right-branch tree)))
        (else (look-up-from-tree given-key (left-branch tree)))))
        

 
将以下MATLAB代码转为Python代码pkg load statistics function GuassianBayesModel(w, p, X) %%%%%%%%%% Begin %%%%%%%%%% [row, col, class] = size(w); % 获取数据维度信息(行、列和类别数量) % 根据给出的样本数据,求各个类的均值 u(:, :, 1) = sum(w(:, :, 1)) ./ row; % 计算类别1的均值 u(:, :, 2) = sum(w(:, :, 2)) ./ row; % 计算类别2的均值 u(:, :, 3) = sum(w(:, :, 3)) ./ row; % 计算类别3的均值 % 求各个类的协方差矩阵 sigma(:, :, 1) = cov(w(:, :, 1)); % 计算类别1的协方差矩阵 sigma(:, :, 2) = cov(w(:, :, 2)); % 计算类别2的协方差矩阵 sigma(:, :, 3) = cov(w(:, :, 3)); % 计算类别3的协方差矩阵 % 构建判别函数,计算点到每个类的马氏距离以及欧氏距离 md = zeros(1, class); % 初始化马氏距离数组 ed = zeros(1, class); % 初始化欧氏距离数组 P = zeros(1, class); % 初始化概率数组 for i = 1:class md(i) = sqrt((X - u(:, :, i)) * inv(sigma(:, :, i)) * (X - u(:, :, i))'); % 计算马氏距离 ed(i) = sqrt(sum((X - u(:, :, i)) .^ 2)); % 计算欧氏距离 P(i) = p(i) * mvnpdf(X, u(:, :, i), sigma(:, :, i)); % 计算后验概率 end %%%%%%%%%% End %%%%%%%%%% % 判断样本属于哪个类的概率最高,并显示点到每个类的马氏距离和欧氏距离 maxP = max(P); % 找出最大概率 result = find(P == maxP); % 找出对应的类别 fprintf("点[%s]关于第1、2、3类的判别函数值分别为:%s %s %s\n", num2str(X), num2str(P(1)), num2str(P(2)), num2str(P(3))); fprintf("点[%s]到第1、2、3类的马氏距离为:%s %s %s\n", num2str(X), num2str(md(1)), num2str(md(2)), num2str(md(3))); fprintf("点[%s]到第1、2、3类的欧氏距离为:%s %s %s\n", num2str(X), num2str(ed(1)), num2str(ed(2)), num2str(ed(3))); fprintf("点[%s]属于第%s类\n", num2str(X), num2str(result)); end % w1, w2, w3三类散点 w = zeros(10, 3, 3); w(:, :, 1) = [-5.01 -8.12 -3.68;... -5.43 -3.48 -3.54;... 1.08 -5.52 1.66;... 0.86 -3.78 -4.11;... -2.67 0.63 7.39;... 4.94 3.29 2.08;... -2.51 2.09 -2.59;... -2.25 -2.13 -6.94;... 5.56 2.86 -2.26;... 1.03 -3.33 4.33]; w(:, :, 2) = [-0.91 -0.18 -0.05;... 1.30 -0.206 -3.53;... -7.75 -4.54 -0.95;... -5.47 0.50 3.92;... 6.14 5.72 -4.85;... 3.60 1.26 4.36;... 5.37 -4.63 -3.65;... 7.18 1.46 -6.66;... -7.39 1.17 6.30;... -7.50 -6.32 -0.31]; w(:, :, 3) = [ 5.35 2.26 8.13;... 5.12 3.22 -2.66;... -1.34 -5.31 -9.87;... 4.48 3.42 5.19;... 7.11 2.39 9.21;... 7.17 4.33 -0.98;... 5.75 3.97 6.65;... 0.77 0.27 2.41;... 0.90 -0.43 -8.71;... 3.52 -0.36 6.43]; % 设置各类别先验概率 pw = [1/3 1/3 1/3]; % 样本矢量 X1 = [1 2 1]; X2 = [5 3 2]; X3 = [0 0 0]; % 调用高斯型Bayes判别函数, 输出判别函数值、马氏距离和判别结果 GuassianBayesModel(w, pw, X1); GuassianBayesModel(w, pw, X2); GuassianBayesModel(w, pw, X3);
05-15
用MATLAB计算波动率,股票历史价格为3.64 3.61 3.58 3.6 3.59 3.57 3.58 3.6 3.57 3.52 3.49 3.48 3.45 3.43 3.46 3.47 3.49 3.54 3.53 3.5 3.52 3.55 3.42 3.42 3.43 3.44 3.39 3.38 3.41 3.42 3.37 3.44 3.4 3.42 3.41 3.42 3.42 3.39 3.26 3.16 3.18 3.21 3.16 3.24 3.25 3.26 3.26 3.23 3.27 3.32 3.3 3.26 3.25 3.26 3.18 3.22 3.18 3.11 3.14 3.18 3.2 3.13 3.16 3.15 3.14 3.21 3.2 3.21 3.25 3.28 3.25 3.24 3.29 3.28 3.23 3.19 3.17 3.2 3.16 3.16 3.19 3.25 3.25 3.25 3.23 3.3 3.31 3.3 3.33 3.31 3.33 3.27 3.29 3.29 3.31 3.35 3.35 3.33 3.29 3.29 3.3 3.29 3.25 3.22 3.24 3.24 3.23 3.22 3.21 3.28 3.26 3.26 3.26 3.24 3.21 3.25 3.25 3.26 3.27 3.25 3.22 3.18 3.16 3.18 3.19 3.21 3.22 3.25 3.3 3.35 3.35 3.35 3.34 3.3 3.32 3.27 3.24 3.26 3.24 3.28 3.27 3.27 3.29 3.22 3.25 3.26 3.25 3.24 3.19 3.21 3.22 3.2 3.22 3.17 3.12 3.13 3.17 3.17 3.21 3.21 3.19 3.13 3.14 3.11 3.04 3.1 3.1 3.12 3.13 3.12 3.09 3.1 3.12 3.12 3.14 3.13 3.08 3.1 3.04 3.06 3.06 3.11 3.09 3.08 3.05 2.95 2.91 2.89 2.91 2.92 2.83 2.69 2.81 2.86 2.89 2.87 2.88 2.9 2.88 2.84 2.84 2.82 2.9 2.88 2.92 2.91 2.88 2.91 2.83 2.88 2.87 2.91 2.91 2.87 2.84 2.82 2.78 2.8 2.66 2.66 2.71 2.75 2.79 2.78 2.7 2.68 2.7 2.72 2.7 2.73 2.7 2.74 2.73 2.73 2.79 2.76 2.72 2.72 2.72 2.74 2.76 2.79 2.78 2.78 2.81 2.83 2.86 2.85 2.89 2.84 2.87 2.91 2.89 2.93 2.92 2.93 2.9 2.94 2.98 3.02 3.04 3.02 3.07 3.06 3.06 3.06 3.01 3 3.01 2.96 2.94 2.93 2.91 2.87 2.91 2.9 2.91 2.87 2.89 2.88 2.89 2.87 2.87 2.83 2.82 2.77 2.75 2.78 2.82 2.8 2.8 2.77 2.83 2.84 2.82 2.81 2.82 2.8 2.79 2.79 2.77 2.75 2.79 2.79 2.77 2.77 2.8 2.78 2.75 2.74 2.76 2.75 2.75 2.8 2.81 2.79 2.78 2.72 2.72 2.71 2.69 2.67 2.67 2.65 2.68 2.65 2.65 2.65 2.59 2.58 2.59 2.56 2.63 2.62 2.61 2.56 2.54 2.53 2.44 2.43 2.44 2.42 2.37 2.33 2.44 2.46 2.42 2.51 2.52 2.5 2.48 2.48 2.56 2.58 2.63 2.62 2.6 2.59 2.56 2.57 2.58 2.56 2.59 2.54 2.65 2.64 2.63 2.62 2.68 2.69 2.67 2.68 2.71 2.68 2.68 2.7 2.68 2.69 2.65 2.61 2.61 2.63 2.62 2.61 2.64 2.65 2.63 2.65 2.65 2.66 2.71 2.72 2.75 2.74 2.75 2.75 2.8 2.85 2.84 2.82 2.83 2.85 2.85 2.82 2.83 2.82 2.78 2.74 2.75 2.74 2.77 2.76 2.78 2.79 2.76 2.75 2.72 2.8 2.81 2.78 2.77 2.74 2.73 2.75 2.78 2.78 2.78 2.75 2.72 2.7 2.68 2.64 2.67 2.65 2.65 2.63 2.64 2.62 2.65 2.66 2.67 2.66 2.64 2.64 2.64 2.67 2.67 2.67 2.68 2.67 2.69 2.69 2.68 2.67 2.67 2.68 2.74 2.75 2.72 2.71 2.66 2.62 2.62 2.62 2.66 2.68 2.69 2.69 2.72 2.71 2.67 2.67 2.63 2.68 2.67 2.65 2.64 2.63 2.66 2.62 2.58 2.57 2.56 2.55 2.54 2.5 2.51
06-10
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