當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

【机器学习】实验一实验报告

發布時間：2023/12/16 编程问答 28 豆豆

生活随笔收集整理的這篇文章主要介紹了【机器学习】实验一实验报告小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

文章目錄

一、參數說明
- 1、在開始貝葉斯判定前，先要設置上面幾個參數。
- 2、樣例文件格式說明
二、實驗結果
三、設計說明
- 1、文件關系
- 2、各個文件詳細設計及測試
- - ①一些說明
  - ②各個函數的測試
  - - a)、matrix.h的測試
    - - 1) 構造函數及print函數測試：
      - 2）等號重載及行列式函數測試
      - 3）乘號重載驗證
      - 4）逆矩陣測試
      - 5）將矩陣作為向量使用時正確性驗證及矩陣轉置測試
      - 6）矩陣加法、數乘及setElemet函數驗證
    - b)storage.h測試
    - c) bayes.h測試
    - - 1）馬氏距離函數驗證
- 3、正確性說明
四、遇到的困難
- [報錯：缺少合適的復制構造函數](https://blog.csdn.net/C2681595858/article/details/83956459)
- [程序莫名奔潰，原來是strcpy_s出問題了](https://blog.csdn.net/C2681595858/article/details/83990068)

一、參數說明

github最新代碼下載鏈接
-這個上面是最新的代碼，需要使用命令行g++6.3.0以上的編譯器編譯，若使用linux，需要將Makefile文件中的rm改為del，將main改為main.exe

1、在開始貝葉斯判定前，先要設置上面幾個參數。

第一個是樣本數據所在文件名。
第二個是設置有多少個類別
第三個是每個類別有多少個樣本數據
第三個是每個樣本數據的維度
設置完這些，還有一項沒設置就是先驗概率。
先驗概率在“sample.txt”文件中進行設置，具體sample.txt文件格式要求如下：

2、樣例文件格式說明

文件開頭是各個類的先驗概率，有多少個類就應該有多少個先驗概率，就是說各個類的先驗概率相同也都要寫進去，而不能省略。
然后后續是各個類的樣本數據，數據需要按類別的順序依次排放。具體如下：

二、實驗結果

這是在win10 vs2017 c++環境下的實驗結果

上面顯示的是一個向量到某一個類別的馬氏距離。下面顯示各個向量應該是哪個類。

三、設計說明

1、文件關系

2、各個文件詳細設計及測試

①一些說明

文件詳細設計在各個.h文件中有詳細注釋，目的導向作業，所以matrix只實現了作業中會用到的算法。
- matrix.h中求行列式的算法det（）沒有使用了遞歸, 為了避免在類之外使用其遞歸部分，將其放在了private中。
- inverse()求逆矩陣，沒有使用高斯方法，直接使用了伴隨矩陣，效率較低，但是實現簡單。

②各個函數的測試

a)、matrix.h的測試

測試文件matrixTest.cpp

1) 構造函數及print函數測試：

代碼：

float array[] = { 1.02, 2.03, 3.04, 4.05, 5.06, 6.07, 7.08, 8.09, 9.10, 5.06, 6.07, 8.09, 3.04, 6.07, 9.10, 8.09 };Matrix matrix(4, 4, array);matrix.printMatrix();

結果：

2）等號重載及行列式函數測試

代碼：

float array[] = { 1.02, 2.03, 3.04, 4.05, 5.06, 6.07, 7.08, 8.09, 9.10, 5.06, 6.07, 8.09, 3.04, 6.07, 9.10, 8.09 };Matrix matrix(4, 4, array);Matrix matrix1;matrix1 = matrix;cout << matrix1.det() << endl;

結果：

結果正確性驗證（使用了matlab)

3）乘號重載驗證

代碼：

float array[] = { 1.02, 2.03, 3.04, 4.05, 5.06, 6.07, 7.08, 8.09, 9.10, 5.06, 6.07, 8.09, 3.04, 6.07, 9.10, 8.09 };Matrix matrix(4, 4, array);Matrix matrix1;matrix1 = matrix;Matrix matrix2(2, 6);matrix2 = (matrix * matrix1);matrix2.printMatrix();

結果：

驗證結果：

4）逆矩陣測試

代碼：

float array[] = { 1.02, 2.03, 3.04, 4.05, 5.06, 6.07, 7.08, 8.09, 9.10, 5.06, 6.07, 8.09, 3.04, 6.07, 9.10, 8.09 };Matrix matrix(4, 4, array);(matrix.inverse()).printMatrix();

結果：

驗證結果：

5）將矩陣作為向量使用時正確性驗證及矩陣轉置測試

代碼：

float vect[2] = { 2,2.34 };Matrix matrix5(2, 1, vect);(matrix5*(matrix5.trans())).printMatrix();

結果：

結果驗證：

6）矩陣加法、數乘及setElemet函數驗證

代碼：

Matrix matrix2(2, 6);matrix2.setElement(1, 2, 6);matrix2.setElement(2, 3, 6);matrix2.setElement(1, 1, 6);matrix2.setElement(2, 6, 6);matrix2.printMatrix();(matrix2 + matrix2).printMatrix();(3.99 * matrix2).printMatrix();

結果：

b)storage.h測試

Storage storage;storage.setfile("sample.txt");storage.setVectorLen(3);//先讀開頭的先驗概率storage.readPostPro();storage.readPostPro();storage.readPostPro();//讀30次到文件末尾for(int counter = 0; counter < 30; counter++)(storage.readData()).printMatrix();//返回開頭storage.reset();//這里應該是先驗概率(storage.readData()).printMatrix();

結果：最后都到了最后一個向量然后返回頭部，又都到了先驗概率，說明所有函數正確

c) bayes.h測試

這里主要用到了均值向量求解函數和協方差陣求解函數，只要需驗證這兩個正確，而馬氏距離的計算用到了上述兩個結果，所以只要馬氏距離正確，則函數正確：
特殊說明：由于在寫下面這部分的時候我的樣本文件是有問題的，所以mahal距離可能和大家的不同，但是我在matlab輸入的樣本文件和我程序中用的樣本文件是一樣的（都是有錯誤的），所以最終還是能夠驗證我的算法是正確的

1）馬氏距離函數驗證

代碼：

Bayes bayes;bayes.setSampleFile("sample.txt");bayes.setClassSize(3);bayes.setSampleSize(10);bayes.setVectorLen(3);cout << "\nMahalanobis :\n";cout << "[1,2,1] to w1 " << bayes.mahal("[1,2,1]", 1) << " " << endl;