ML实验:k-近邻概率密度估计方法

本文探讨了机器学习中的k-近邻概率密度估计方法,通过算法分析和代码展示,揭示了该方法如何进行数据分布的估计。实验部分通过图形直观地展示了k-近邻算法在不同情况下的效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一 实验题目


二 算法分析



代码:

2.1

 
load('data3.mat')
 n=size(w,1);
 px=zeros(n,1);
 s=150;
 cen=zeros(s,1);
for i=1:s
    cen(i)=i*0.01;
end
 k=1;
 for j = 1:s
        for i = 1:n
 
        d(i) = abs(cen(j) - w(i));
        end
        t = sort(d);         % 对于距离排序
        m = find(d <= t(k)); % 找到满足要求的编号
        v=max(d(m));
        v=v^(-1);          
        p=k*0.1*v;         %计算概率密度函数   
        px(j)=p;
%         disp(px(j));
 end
   subplot(3,1,1);
   plot(cen,px ,'r-');
 
 
    k=3;
 for j = 1:s
        for i = 1:n
%             if i==j
%              d(i)=100;
%             else
        d(i) = norm(cen(j) - w(i));
%             end
        end
        t = sort(d); 
        m = find(d <= t(k));
        v=max(d(m));
        v=v^(-1);
        p=k*0.1*v;
        px(j)=p;
%   
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