可视化决定表面不同的分类器
这个例子展示了如何绘制表面决定不同的分类算法。
加载费雪的虹膜数据集。
负载fisheririsX =量(:,1:2);y =分类(物种);标签=类别(y);
X是一个数字矩阵,包含两个花瓣测量150虹膜。Y是一个单元阵列包含相应的特征向量的虹膜的物种。
使用散点图可视化数据。组变量由虹膜的物种。
gscatter (X (: 1) X(:, 2),物种,“rgb”,osd的);包含(“花萼长度”);ylabel (萼片宽的);
火车四个不同的分类器和存储单元阵列模型。
classifier_name = {“天真的贝叶斯,“判别分析”,分类树的,“最近邻”};
火车一个朴素贝叶斯模型。
分类器{1}= fitcnb (X, y);
判别分析分类器训练。
分类器{2}= fitcdiscr (X, y);
训练一个分类决策树。
分类器{3}= fitctree (X, y);
训练k最近的邻居分类器。
分类器{4}= fitcknn (X, y);
创建一个网格点跨越整个空间在某些范围内实际的数据值。
x1range = min (X(: 1)): . 01:马克斯(X (: 1));x2range = min (X(:, 2)): . 01:马克斯(X (:, 2));[民,xx2] = meshgrid (x1range x2range);XGrid =[民(:)xx2 (:));
预测每个观测的虹膜物种XGrid使用分类器。绘制散点图的结果。
为i = 1:元素个数(分类)predictedspecies =预测(分类器{我},XGrid);次要情节(2,2,我);gscatter(民(:),xx2 (:), predictedspecies,“rgb”);标题(classifier_name{我})传奇从,轴紧结束传奇(标签,“位置”,(0.35,0.01,0.35,0.05),“定位”,“水平”)
每个分类算法生成不同的决策规则。决定表面可以帮助您可视化这些规则。
