parzen窗估计如何进行结果分析_实现一下模式识别（一）Parzen窗估计

自己计划实现一遍模式识别里的内容。

Parzen窗估计是非参数估计。我在非参数技术——Parzen窗估计方法文章和非参数估计-Parzen窗口函数法文章里面整理出了算法基本过程：利用第一篇博客给出的样本数据对给定的数据进行分类。分类的方法就是根据公式分别求出对于三个类的数值。公式是

求出来数值之后，比较大小，给定数据属于数值较大的一类。运算通过numpy包实现，通过循环得出数值，进行比较。

代码实现如下，计算的结果和非参数技术——Parzen窗估计方法文中给的内容基本一致。

import numpy as np

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

# parzen窗法

# 原始数据

# w1

data1=[[0.28,1.31,-6.2],

[0.07,0.58,-0.78],

[1.54,2.01,-1.63],

[-0.44,1.18,-4.32],

[-0.81,0.21,5.73],

[1.52,3.16,2.77],

[2.20,2.42,-0.19],

[0.91,1.94,6.21],

[0.65,1.93,4.38],

[-0.26,0.82,-0.96]

]

w1=np.mat(data1)

# w2

data2=[[0.011,1.03,-0.21],

[1.27,1.28,0.08],

[0.13,3.12,0.16],

[-0.21,1.23,-0.11],

[-2.18,1.39,-0.19],

[0.34,1.96,-0.16],

[-1