用身高和体重进行性别分类的实验报告

matlab Parzen窗法估计概率密度函数，得出贝叶斯分类器 用Fisher线性判别方法求分类器 留一法估计错误率

身高、体重两特征，在单特征身高、单特征体重、双特征不相关、双特征相关四种情况下，基于最小错误率和最小风险，共计24个分类器。

其中女生类别标号为0，男生类别标号为1，数据集为dataset1.txt，dataset2.txt，dataset3.txt，第一列为身高，第二列为体重，第三列为类别标号

通过实验观察，了解滤波器去除噪声的原理及方法，掌握图像增强方法；2、掌握如何运用Matlab编写一个图像增强程序并运行。

只是对别人的进行改动，不算自己的

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

本报告包括完整的文本分类处理过程，包括24万搜狗预料库的处理、jieba分词、停用词无关词处理、词袋模型的构建（CHI值检验用于特征筛选、tfidf作为特征向量值）。并用自编朴素贝叶斯以及sklear

应用单个特征进行实验：以（a）身高或者（b）体重数据作为特征用两个特征进行实验：同时采用身高和体重数据作为特征用FAMALE.TXT和MALE.TXT的数据作为训练样本集，建立Bayes分类器；用测试

栈，队列，循环队列；数据结构实验报告，循环队列打印杨辉三角

数据挖掘分类程序+实验报告。有详细的注释。朴素贝叶斯KNN。