已知两类分类问题，类别用ω1 和ω2 表示，每类的先验概率已知， P w(1)0.6，Pw(2)=0.4。这里样本向量的维数是 3 维。 ω1中数据向量 xx1=[x1, y1, z1]T，其数据点的坐标对应如下。 x1 = 0.2331 1.5207 0.6499 0.7757 1.0524 1.1974 0.2908 0.2518 0.6682 0.5622 0.9023 0.1333 -0.5431 0.9407 -0.2126 0.0507 -0.0810 0.7315 0.3345 1.0650 -0.0247 0.1043 0.3122 0.6655 0.5838 1.1653 1.2653 0.8137 -0.3399 0.5152 0.7226 -0.2015 0.4070 -0.1717 -1.0573 -0.2099 y1= 2.3385 2.1946 1.6730 1.6365 1.7844 2.0155 2.0681 2.1213 2.4797 1.5118 1.9692 1.8340 1.8704 2.29

已知有两个样本空间 1 2 和ω ω ，这些点对应的横纵坐标的分布情况是： x1=[1,2,4,1,5]; y1=[2,1,-1,-3,-3]; x2=[-2.5,-2.5,-1.5,-4,-5,-3];y2=[1,-1,5,1,-4,0]; 在二维空间样本分布图形如下所示。（plot(x1,y1,x2,y2)） 1、用 matlab 完成感知准则函数确定程序的设计。 2、请确定 sample=[(0,-3),(1,3),(-1,5),(-1,1),(0.5,6),(-3,-1),(2,-1),(0,1), (1,1),(-0.5,-0.5),( 0.5,-0.5)];属于哪个样本空间,根据数据画出分类的 结果。 3、请分析一下 ρ k 和对a(1) 于感知函数准则确定的影响，并确定当 ρ k =1/2/3 时， 相应的 k 的值，以及a(1) 不同时，k 值得变化情况。 4、根据实验结果请说明感知准则函数是否是唯一的，为什么？

Fisher线性分类器的MATLAB 代码，Fisher线性分类器是最基础的线性分类器，其通过降维来快速进行样本的二分

基于Matlab的 K-L变换线性分类器.doc基于Matlab的 K-L变换线性分类器.doc基于Matlab的 K-L变换线性分类器.doc

实验目的： 了解分类器设计的概念，理解基于Fisher准则进行线性分类的原理，通过实验对线性分类器有更深刻的认识。

本资源是模式识别中的非线性分类器代码,是本人觉得模式识别,机器学习中比较有意义的代码.

利用男女身高体重数据集进行Fisher判别分类

公元2022年，春天还未走远。正值5月份，学生正苦于考试周的triviality。鄙人也是其中一员。某一在完成模式识别实验时，苦于寻一份代码。忆及那时花费了数分钟在茫茫互联网中找寻相关资料，但大部分都是付费资源。那时，我深感当今中文互联网环境之差，但是鄙人无可奈何，终究是破费寻之。我今天将之公之于众，作为我对于黑暗的中文互联网的抗议，作为网络精神最后的继承者，这篇pdf就于此留下罢。

本文来自于jianshu，文章介绍了神经网络的搭建并训练，构造评估对象，用测试集做评估的相关内容。Deeplearning4j是一个java编写的深度学习商业框架，可以通过他们提供的API快速搭建出神经网络。根据官网的下载的demo中的MLPClassiferLinear(多层感知线性分类器)，训练Titanic数据，求生存分析。MLPClassiferLinearidea中该类所在的位置Titanic数据，数据集来自kaggle训练集：泰坦尼克数据测试集：泰坦尼克数据然后依葫芦画瓢，照着MLP的样子打代码。神经网络参数一开始时设置神经网络的参数，根据官网介绍这些参数设置和最终训练的结果有比较

lda（线性分类器）的网络学习资料，及matlab代码