* LEARN -Input: +Tập dữ liệu tiền giả
+Tập dữ liệu tiền thật
+Xác suất tiền định của lớp tiền giả
+Xác suất tiền định của lớp tiền thật
-Output: những tham số dùng để truyền vào hàm classify
+Xác suất tiền định của lớp tiền giả
+Trung bình mẫu của lớp tiền giả
+Phương sai mẫu của lớp tiền giả
+Xác suất tiền định của lớp tiền thật
+Trung bình mẫu của lớp tiền thật
+Phương sai mẫu của lớp tiền thật
====> Làm giống như file hướng dẫn của thầy cho 2 phần tiền giả và tiền thật
* CLASSIFY -Input: +Mẫu cần test
+Xác suất tiền định của lớp tiền giả
+Trung bình mẫu của lớp tiền giả
+Phương sai mẫu của lớp tiền giả
+Xác suất tiền định của lớp tiền thật
+Trung bình mẫu của lớp tiền thật
+Phương sai mẫu của lớp tiền thật
-Output: +Một mảng với m hàng và 1 cột ( m: là số tờ tiền trong mẫu test =
length(mẫu_test))
====> Ta dùng vòng for i=1:m, tại mỗi i ta so sánh biệt hàm forge(x) với biệt hàm genuine
(x). Nếu forge>genuine thì W(i,1)=1 Ngược lại W(i,1)=0
*TEST + load dữ liệu bank
+ Tính xác suất tiền định (với giả thiết xác suất tiền định của genuine gấp 2 lần
của forge)
+ Thực hiện Cross-validation với tập mẫu forge và genuine ( xem thêm file
hướng dẫn của Thầy)
Lưu ý: Khi thực hiện Classify xong:
- forge: bạn đếm trong mảng trả về ở hàm classify có bao nhiêu phần
tử 1 và bạn sẽ cộng dồn vào vào 1 biến Ncc của forge
- genuine: giống forge (tìm phần tử 0 trong mảng trả về ở hàm
classify)
+ Tính tỉ lệ phân loại đúng = (Ncc(forge) + Ncc(genuine))/(size(forge,1)+size
(genuine,1))
[hết]
Chúc may mắn
PS: tỉ lệ phân loại đúng=0.995000000000000 (k=5).