笙烛

数据挖掘课后作业文章目录数据挖掘课后作业第一章一.单选题*（共4题,40.0分）*二.多选题*（共3题,30.0分）*三.填空题*（共3题,30.0分）*第二章一.单选题*（共6题,60.0分）*二.填空题*（共4题,40.0分）*第三次一.单选题*（共3题,30.0分）*二.填空题*（共1题,20.0分）*三.判断题*（共5题,50.0分）*第四次一.填空题*（共6题,100.0分）*第五次一.填空题*（共7题,100.0分）*第六次一.填空题*（共3题,37.5分）*二.判断题*（共5题,62.5分）

实验4 聚类算法一、实验目的（1）理解聚类算法的基本原理。（2）掌握kmeans聚类算法的原理与实现。二、实验内容1、数据见data.mat，编程实现K means算法代码K_MeansMt，并写出详细注释。测试代码如下：load 'data.mat';[u re]=K_MeansMt(data,3); %最后产生簇标号 re [m n]=size(re);%最后显示聚类后的数据figure;hold on;for i=1:m if re(i)==1

实验3 分类器性能度量一、实验目的（1）理解分类器性能度量的方法。（2）编程ROC曲线绘制。二、实验内容1、编程实现ROC曲线绘制的函数roc_plot。其中，分类概率使用matlab自带的朴素贝叶斯函数得到。测试代码如下：load('testingData.mat')load('trainingData.mat')nb = NaiveBayes.fit(trAttr, trLabels);p=posterior (nb,tstAttr);y1=p(:,2);[auc1 ,FPR1

实验2 朴素贝叶斯分类器一、实验目的（1）理解朴素贝叶斯分类器的工作原理。（2）编程实现朴素贝叶斯分类器。二、实验内容1、（难度1）编程实现朴素贝叶斯分类器的训练。假设数据只涉及连续属性。测试代码如下：load('trainingData.mat');load('testingData.mat');[Params,prior,AllLabels] = NaiveBayesTrain(trAttr, trLabels);（将执行正确的代码粘贴在此处，核心代码要求有注释）functio

实验1 相似度、距离、最近邻分类器一、实验目的（1）理解相似度、距离的度量方式。（2）理解最近邻分类器的工作原理。二、实验内容1、编程实现任意给定两个相同维度的向量之间的欧氏距离计算函数dist_E(x,y)。输入：两个任意k维向量x和y，其中k的值随由数据决定。如x=[3,20,3.5], y=[-3,34,7]。测试代码如下：x=[3,20,3.5]; y=[-3,34,7];dist=dist_E(x,y);（备注：代码粘贴在此处）function [dist]=dist_