【学习笔记】matlab算法实现贝叶斯判别classify函数

贝叶斯判别：对象（总体）在抽样前已有一定的认识，常用先验分布来描述这种认识，然后给予抽取的样本再对先验认识作修正，得到后验分布，而各种统计推断均基于后验分布进行。将Bayes 统计的思想用于判别分析，就得到Bayes判别。

在Matlab软件包中，将已经分类的m个数据（长度为n)作为行向量，得到一个矩阵trianing，每行都属于一个分类类别，分类类别构成一个整数列向量g(共有m行），待分类的k个数据（长度为n）作为行向量，得到一个矩阵sample，然后利用classify函数进行线性判别分析（默认）。它的格式为：
                classify(sample,training,group)，
采用一个大气污染的例子

现在有样品如下，求的他们的分类~

采用matlab程序实现如下：

training=[0.056  0.084  0.031  0.038  0.0081  0.022;

               0.040  0.055  0.100  0.110  0.0220  0.0073;

  0.050  0.074  0.041  0.048  0.0071  0.020;

  0.045  0.050  0.110  0.100  0.0250  0.0063;

  0.038  0.130  0.079  0.170  0.0580  0.043;

  0.030  0.110  0.070  0.160  0.0500  0.046;

  0.034  0.095  0.058  0.160  0.200  0.029;

  0.030  0.090  0.068  0.180  0.220  0.039;

  0.084  0.066  0.029  0.320  0.012  0.041;

  0.085  0.076  0.019  0.300  0.010  0.040;

  0.064  0.072  0.020  0.250  0.028  0.038;

  0.054  0.065  0.022  0.280  0.021  0.040;

  0.048  0.089  0.062  0.260  0.038  0.036;

  0.045  0.092  0.072  0.200  0.035  0.032;

  0.069  0.087  0.027  0.050  0.089  0.021];

group=[1;1 ;1 ;1 ;2 ;2 ;1; 1; 2 ;2 ;2 ;2 ;2 ;2 ;1];

sample=[0.052  0.084  0.021  0.037  0.0071  0.022;

               0.041  0.055  0.110  0.110  0.0210  0.0073;

               0.030  0.112  0.072  0.160  0.056  0.021;

               0.074  0.083  0.105  0.190  0.020  1.000];

[class,err]=classify(sample,training,group,'mahalanobis')

存盘后执行，得到

  class =

 

       1 

       1

       2

       2

 

  err =

 

       0

转自：http://blog.sina.com.cn/s/blog_6c7b434d01013zv7.html