基于鸢尾花数据集实现线性判别式多分类 本文在自己编写梯度下降的逻辑斯蒂判别式算法的基础上，对鸢尾花数据集实现多分类。 鸢尾花数据集公包含三类数据，每条数据四个特征，从中随机选取70%的数据作为训练集，30%的数据作为测试集。 主要包含三个函数：随机生成70%测试集函数、训练函数、预测函数 随机生成70%测试集函数 randomdata 输入：无 输出：0-49之间的35个随机数 代码： def randomdata(): array = set() while(len(array) < 50*0.7): n = random.randint(0,49)

设计了一种粗糙集分类器。构造相应决策表，利用粗糙集理论，通过对决策表进行条件属性约简、决策规则约简，获取最小决策规则，作为最终分类规则，利用训练好的规则，对待测样品X，已知其条件属性(即特征),在训练规则中检索，找到符合规则，其决策属性即为其类别。

利用100个男女训练集样本，使用贝叶斯分类器判别男女。1.采用最大似然法和贝叶斯估计的方法获得密度函数，设定不同的先验概率，观察判别结果正确率。2.分别在男女相关不相关的情况下分析结果正确率。3.设定不同的风险，采用最小风险的Bayes决策重复上面实验。