各種分類器の決定面の可視化

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）;

图中包含一个坐标轴。轴线包含3个线型对象。这些物品代表着维珍卡。

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”）

图中包含4个轴。标题为朴素贝叶斯的轴1包含3个类型为line的对象。这些物品代表着维珍卡。标题为判别分析的坐标轴2包含3个类型为line的对象。这些物品代表着维珍卡。标题为“分类树”的轴3包含3个类型为line的对象。这些物品代表着维珍卡。标题为最近邻居的轴4包含3个类型为line的对象。这些物品代表着维珍卡。