模式識別及其分類-免費閱讀
【正文】 III 判斷未知樣本 初值不同， w也不同 作業(yè) 1 重現(xiàn) TTFA法對 PAH的 HPLCDAD數(shù)據(jù)進行 是否存在的判斷。 For unknown sample No.:%\t39。 [n_unk,p] = size(Y_unk)。 cluster = Y(:,p)。222xxsc ??39。 C即為 R。)。 Y_unk = Y(17:20,:)。 w = w+c*Y_std(i,:)。 else fprintf(39。 2. 用 LLM方法計算法向量，并對部分樣本進行預報。 the judgement is WRONG. \n39。 % s 是標量 if s*clu_std(i,1)0 c = (2)*s/(Y_std(i,:)*Y_std(i,:)39。 Y_std = Y(1:16,:)。 Y= load(39。模式識別與分類 導言 數(shù)據(jù)預處理 無監(jiān)督方法 有監(jiān)督方法 本章作業(yè) 模式識別與分類 導言 ? Clustering/Classification 統(tǒng)稱 ? 如下問題 人眼識別物 中醫(yī)看舌苔 /脈搏 圖譜辨別化合物 ? 低維與高維數(shù)據(jù) ? 一次觀察的矢量表示 ? ? tnxxx ?21?xn為空間維數(shù)，變量數(shù)變量即特征 各特征類型 /量綱 /大小相差大 模式識別與分類 數(shù)據(jù)預處理 ? 值域調(diào)整 range scaling m in,m ax,m in,*kkkikik xxxxx???10 * ?? ikx? 自標度化 Autoscaling kkikik sxxx ??*均值 0 方差 1 模長 1?n 模式識別與分類 數(shù)據(jù)預處理 ? 標準化 Normalization kikik xxx ?*模長為 1 ??? niikikikxxx1*色譜面積歸 1 )max(*ikikik xxx ?質(zhì)譜最大為 1 模式識別與分類 數(shù)據(jù)預處理 ? 變換法 ikikxx ?*原變量相加 /減 /除等 ikik xx lg* ?? 組合法 模式識別與分類 數(shù)據(jù)預處理 ? 特征的選擇 偏差權重法 s大的變量更重要 Fisher比率法 F大的變量更重要 ? ?21221iiiii ssxxF??? 模式識別與分類 數(shù)據(jù)預處理 ?協(xié)方差矩陣 C與相關矩陣 R 對于 )( pnX ?n為對象數(shù)， p為特征數(shù) 方差 j=1,…, p ? ? 21211 ?????nijijij xxns ? ?? ???????nikikjij xxxxnkj111),cov (協(xié)方差 j,k=1,…, p。 close all。 %let symbol of first cluster=1 and second cluster=1 Y(:,p)=[]。 % 給初值， w設為行矢量 for i = 1:n_std s = w*Y_std(i,:)‘。 if s*clu_unk(i,1)0 fprintf(39。 1. 用 PCA對樣本分類，并評價各指標的重要性及相關性。 the judgement is RIGHT. \n39。
教學課件相關推薦
鄂ICP備17016276號-1