Matlab编程练习：统计学习课程

1.熟悉Matlab内置线性规划函数的使用 2.对Iris数据集中的数据求取协方差和相关性系数矩阵。并对该数据集做KL变换。 3.随机产生100组数据，每组数据有25个点，数据点为函数sin(2*pi*x)加上高斯噪声，使用Ridge回归对不同的lambda值进行7阶多项式拟合。 4.实现感知机的原始形式算法和对偶形式，证明数据可分性 5.实现一个朴素贝叶斯分类器，并使用课堂中的数据测试，最后加入拉普拉斯平滑，查看输出有什么变化。 6.使用3 中产生的数据，使用CART方法生成一个回归树。 7.使用3 中的数据集使用BP算法，观察不同的隐层数和不同的节点数对结果的影响探讨不同的隐层数和不同的节点数对神经网络性能的影响，及其是否会产生过拟合。 8.使用高斯核函数实现Kernel PCA，并对Iris数据集进行降维检验程序，对比第二章中的Exercise 4的PCA，LLE，ISOMAP降维结果。 9.实现梯度下降和变量代换方法解决优化问题，探究K，M，D对对结果的影响。 10. 随机生成一组N点全连接图，计算每点的PageRank值。增加连接点数N观察PageRank算法的计算复杂度。