可视化不同分类器的决策曲面
每种分类算法生成不同的决策规则。这些规则可以以决策面的形式显示出来。这个例子演示了不同分类算法的决策面可视化。
加载数据，看看不同种类的虹膜的萼片测量值有何不同。您可以使用包含萼片测量值的两列。
清晰的负载fisheririsX =量(:,1:2);y =分类(物种);标签=类别(y);图(1)gscatter(X(:，1)， X(:，2)， species，“rgb”，osd的);包含(“花萼长度”);ylabel (萼片宽的);
分类器{1}= NaiveBayes.fit (X, y);分类器{2}= ClassificationDiscriminant.fit (X, y);分类器{3}= ClassificationTree.fit (X, y);分类器{4}= ClassificationKNN.fit (X, y);classifier_name = {“天真的贝叶斯，“判别分析”，分类树的，“最近邻”}；
meshgrid用于在实际数据值的某些界限内创建跨越整个空间的点网格。每个分类器用于对网格中的所有数据进行分类。
[xx1, xx2] = meshgrid(4:.01:8,2:.01:4.5);图(2)为Ii = 1:numel(classifier) ypred = predict(classifier{Ii}，[xx1(:) xx2(:)]);h (ii) =次要情节(2,2,二世);gscatter(民(:),xx2 (:), ypred,“rgb”);标题(classifier_name {2},“字形大小”15)传奇从,轴紧结束传奇(h(1)、标签“位置”, (0.35, 0.01, 0.35, 0.05),“定位”，“水平”）
Fisher的虹膜数据包括对150个虹膜标本的萼片长度、萼片宽度、花瓣长度和花瓣宽度的测量。三个物种各有50个样本。控件附带了该数据集统计和机器学习工具箱™．
