Mam dwa klastry danych, każdy klaster ma x, y (współrzędne) i wartość, aby wiedzieć, że jest to typ (1 klasa1,2 klasa 2). Wykreowałem te dane, ale ja lubię dzielić te klasy z granicami (wizualnie). jaka jest funkcja robienia czegoś takiego. Próbowałem konturu, ale to nie pomogło!Podział danych na dwie klasy wizualnie w programie Matlab
6
A
Odpowiedz
11
Rozważmy classification problem (używając Iris dataset):
Jak widać, z wyjątkiem klastrów łatwo rozłączne, dla którego znają równanie granicy wcześniej, znajdując granicę nie jest trywialne zadanie ...
Jednym z pomysłów jest wykorzystanie discriminant analysis funkcję classify znaleźć granicę (masz wybór między liniowej i kwadratowej granicy).
Poniżej znajduje się pełny przykład ilustrujący procedurę. Kod wymaga Statistics Toolbox:
%# load Iris dataset (make it binary-class with 2 features)
load fisheriris
data = meas(:,1:2);
labels = species;
labels(~strcmp(labels,'versicolor')) = {'non-versicolor'};
NUM_K = numel(unique(labels)); %# number of classes
numInst = size(data,1); %# number of instances
%# visualize data
figure(1)
gscatter(data(:,1), data(:,2), labels, 'rb', '*o', ...
10, 'on', 'sepal length', 'sepal width')
title('Iris dataset'), box on, axis tight
%# params
classifierType = 'quadratic'; %# 'quadratic', 'linear'
npoints = 100;
clrLite = [1 0.6 0.6 ; 0.6 1 0.6 ; 0.6 0.6 1];
clrDark = [0.7 0 0 ; 0 0.7 0 ; 0 0 0.7];
%# discriminant analysis
%# classify the grid space of these two dimensions
mn = min(data); mx = max(data);
[X,Y] = meshgrid(linspace(mn(1),mx(1),npoints) , linspace(mn(2),mx(2),npoints));
X = X(:); Y = Y(:);
[C,err,P,logp,coeff] = classify([X Y], data, labels, classifierType);
%# find incorrectly classified training data
[CPred,err] = classify(data, data, labels, classifierType);
bad = ~strcmp(CPred,labels);
%# plot grid classification color-coded
figure(2), hold on
image(X, Y, reshape(grp2idx(C),npoints,npoints))
axis xy, colormap(clrLite)
%# plot data points (correctly and incorrectly classified)
gscatter(data(:,1), data(:,2), labels, clrDark, '.', 20, 'on');
%# mark incorrectly classified data
plot(data(bad,1), data(bad,2), 'kx', 'MarkerSize',10)
axis([mn(1) mx(1) mn(2) mx(2)])
%# draw decision boundaries between pairs of clusters
for i=1:NUM_K
for j=i+1:NUM_K
if strcmp(coeff(i,j).type, 'quadratic')
K = coeff(i,j).const;
L = coeff(i,j).linear;
Q = coeff(i,j).quadratic;
f = sprintf('0 = %g + %g*x + %g*y + %g*x^2 + %g*x.*y + %g*y.^2',...
K,L,Q(1,1),Q(1,2)+Q(2,1),Q(2,2));
else
K = coeff(i,j).const;
L = coeff(i,j).linear;
f = sprintf('0 = %g + %g*x + %g*y', K,L(1),L(2));
end
h2 = ezplot(f, [mn(1) mx(1) mn(2) mx(2)]);
set(h2, 'Color','k', 'LineWidth',2)
end
end
xlabel('sepal length'), ylabel('sepal width')
title(sprintf('accuracy = %.2f%%', 100*(1-sum(bad)/numInst)))
hold off
+1 .... ładne! – Jacob
@Amro - czy to tylko ja, czy też brakuje drugiego zrzutu ekranu? – Shai
@Shai: nie tylko ty, czasami stare obrazy przesłane do imageshack mają tendencję do znikania z jakiegoś powodu ... W każdym razie zaktualizowałem przykład świeżymi obrazkami :) – Amro