このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
この例では,各種の分類アルゴリズムの決定面をプロットする方法を示します。
フィッシャーのアヤメのデータセットを読み込みます。
负载fisheririsX =量(:,1:2);y =分类(物种);标签=类别(y);
X
は150本のアヤメについて2つの花弁の測定値が含まれている数値行列です。Y
は,対応するアヤメの種類が含まれている文字ベクトルの细胞配列です。
散布図を使用してデータを可視化します。アヤメの種類によって変数をグループ化します。
gscatter (X (: 1) X(:, 2),物种,“rgb”,osd的);包含(“花萼长度”);ylabel (萼片宽的);
4つの異なる分類器に学習をさせ,モデルを细胞配列に格納します。
classifier_name = {“天真的贝叶斯,“判别分析”,分类树的,“最近邻”};
単純ベイズモデルに学習をさせます。
分类器{1}= fitcnb (X, y);
判別分析分類器を学習させます。
分类器{2}= fitcdiscr (X, y);
分類決定木に学習をさせます。
分类器{3}= fitctree (X, y);
k最近傍分類器に学習をさせます。
分类器{4}= fitcknn (X, y);
実際のデータ値の境界内で空間全体に広がる点のグリッドを作成します。
x1range = min (X(: 1)): . 01:马克斯(X (: 1));x2range = min (X(:, 2)): . 01:马克斯(X (:, 2));[xx1, xx2] = meshgrid(x1range,x2range);XGrid = [xx1(:) xx2(:)];
すべての分類器を使用して,XGrid
内の各観測値についてアヤメの種類を予測します。結果の散布図をプロットします。
为i = 1:numel(classifier) predictedspecies = predict(classifier{i},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”)
各分類アルゴリズムで異なる決定ルールが生成されます。決定面は,これらのルールの可視化に役立ちます。