0

我有一个关于 KNN 训练的问题。我想像CM Bishop的《模式识别和机器学习》一书中那样实现 KNN 。我们需要找到条件密度*p(x|C_k)=K_k\N_kV*、无条件密度p(x)=K\NV和类先验*p(C_k)=N_k\N*。然后，代入贝叶斯定理会得到后验概率。

我的问题在于编程。假设我有 5 个类，在这些类中，我的特征向量长度不同。所以1级有100，2级有344，3级有541……5级有n。并且所有这些加起来的全维数为 100（数量特征向量）和数量为 FV 1 的标签向量。

现在我的问题是：当我现在想实现我的先验知识时，我不能只for loop对所有类进行迭代，因为我所有的类（不同长度）都存储在一个带有特征向量的矩阵中

%% Code fragment out of ML-KNN: A lazy learning approach to multilabel learning Min-Ling Zhang, Zhi-Hua Zhou
for i=nclass
   temp_Ci=sum(train_target(i,:)==ones(1,num_training));
   Prior(i,1)=(Smooth+temp_Ci)/(Smooth*2+num_training);
   PriorN(i,1)=1-Prior(i,1);
end

那么，如何在 Matlab 中实现先验？

4

0 回答 0