主要内容

可视化不同分类器的决策曲面

打开生活的脚本

这个例子展示了如何绘制不同分类算法的决策曲面。

载入费雪的虹膜数据集。

负载fisheririsX =量(:,1:2);y =分类(物种);标签=类别(y);

X是一个数字矩阵，其中包含150个鸢尾的两个花瓣的测量值。Y是包含相应虹膜种类的字符向量的单元格数组。

使用散点图可视化数据。根据虹膜种类将变量分组。

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axes对象。坐标轴对象包含3个line类型的对象。这些物品代表了彩色，彩色，处女。

训练四个不同的分类器并将模型存储在单元格数组中。

classifier_name = {“天真的贝叶斯，“判别分析”，分类树的，“最近邻”}；

训练一个朴素贝叶斯模型。

分类器{1}= fitcnb (X, y);

训练一个判别分析分类器。

分类器{2}= fitcdiscr (X, y);

训练分类决策树。

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);

在实际数据值的某些边界内创建跨越整个空间的点网格。

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(:)];

预测各观测的虹膜种类XGrid使用分类器。绘制结果的散点图。

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个轴对象。标题为朴素贝叶斯的axis对象1包含3个类型为line的对象。这些物品代表了彩色，彩色，处女。标题为Discriminant Analysis的Axes对象2包含3个类型为line的对象。这些物品代表了彩色，彩色，处女。标题为Classification Tree的axis对象3包含3个类型为line的对象。这些物品代表了彩色，彩色，处女。标题为“最近邻”的Axes对象4包含3个类型为line的对象。这些物品代表了彩色，彩色，处女。

每种分类算法产生不同的决策规则。决策面可以帮助您可视化这些规则。

另请参阅

功能

相关的话题

Baidu
map