В этом примере показано, как выполнить линейную и квадратичную классификацию ирисовых данных Фишера.
Загрузите выборочные данные.
load fisheriris
Вектор-столбец, species
, состоит из ирисовых цветов трех различных разновидностей, setosa, versicolor, virginica. Двойной матричный meas
состоит из четырех типов измерений на цветах, длине и ширине чашелистиков и лепестков в сантиметрах, соответственно.
Используйте лепестковую длину (третий столбец в meas
) и лепестковая ширина (четвертый столбец в meas
) измерения. Сохраните их как переменные PL и PW, соответственно.
PL = meas(:,3); PW = meas(:,4);
Отобразите данные на графике, показав, что классификация, то есть, создает график рассеивания измерений, сгруппированных разновидностями.
h1 = gscatter(PL,PW,species,'krb','ov^',[],'off'); h1(1).LineWidth = 2; h1(2).LineWidth = 2; h1(3).LineWidth = 2; legend('Setosa','Versicolor','Virginica','Location','best') hold on
Создайте линейный классификатор.
X = [PL,PW]; MdlLinear = fitcdiscr(X,species);
Получите коэффициенты для линейного контура между вторыми и третьими классами.
MdlLinear.ClassNames([2 3])
ans = 2x1 cell
{'versicolor'}
{'virginica' }
K = MdlLinear.Coeffs(2,3).Const; L = MdlLinear.Coeffs(2,3).Linear;
Постройте кривую, которая разделяет вторые и третьи классы
f = @(x1,x2) K + L(1)*x1 + L(2)*x2; h2 = fimplicit(f,[.9 7.1 0 2.5]); h2.Color = 'r'; h2.LineWidth = 2; h2.DisplayName = 'Boundary between Versicolor & Virginica';
Получите коэффициенты для линейного контура между первыми и вторыми классами.
MdlLinear.ClassNames([1 2])
ans = 2x1 cell
{'setosa' }
{'versicolor'}
K = MdlLinear.Coeffs(1,2).Const; L = MdlLinear.Coeffs(1,2).Linear;
Постройте кривую, которая разделяет первые и вторые классы.
f = @(x1,x2) K + L(1)*x1 + L(2)*x2; h3 = fimplicit(f,[.9 7.1 0 2.5]); h3.Color = 'k'; h3.LineWidth = 2; h3.DisplayName = 'Boundary between Versicolor & Setosa'; axis([.9 7.1 0 2.5]) xlabel('Petal Length') ylabel('Petal Width') title('{\bf Linear Classification with Fisher Training Data}')
Создайте квадратичный дискриминантный классификатор.
MdlQuadratic = fitcdiscr(X,species,'DiscrimType','quadratic');
Удалите линейные контуры из графика.
delete(h2); delete(h3);
Получите коэффициенты для квадратичного контура между вторыми и третьими классами.
MdlQuadratic.ClassNames([2 3])
ans = 2x1 cell
{'versicolor'}
{'virginica' }
K = MdlQuadratic.Coeffs(2,3).Const; L = MdlQuadratic.Coeffs(2,3).Linear; Q = MdlQuadratic.Coeffs(2,3).Quadratic;
Постройте кривую, которая разделяет вторые и третьи классы
f = @(x1,x2) K + L(1)*x1 + L(2)*x2 + Q(1,1)*x1.^2 + ... (Q(1,2)+Q(2,1))*x1.*x2 + Q(2,2)*x2.^2; h2 = fimplicit(f,[.9 7.1 0 2.5]); h2.Color = 'r'; h2.LineWidth = 2; h2.DisplayName = 'Boundary between Versicolor & Virginica';
Получите коэффициенты для квадратичного контура между первыми и вторыми классами.
MdlQuadratic.ClassNames([1 2])
ans = 2x1 cell
{'setosa' }
{'versicolor'}
K = MdlQuadratic.Coeffs(1,2).Const; L = MdlQuadratic.Coeffs(1,2).Linear; Q = MdlQuadratic.Coeffs(1,2).Quadratic;
Постройте кривую, которая разделяет первое и второе и классы.
f = @(x1,x2) K + L(1)*x1 + L(2)*x2 + Q(1,1)*x1.^2 + ... (Q(1,2)+Q(2,1))*x1.*x2 + Q(2,2)*x2.^2; h3 = fimplicit(f,[.9 7.1 0 1.02]); % Plot the relevant portion of the curve. h3.Color = 'k'; h3.LineWidth = 2; h3.DisplayName = 'Boundary between Versicolor & Setosa'; axis([.9 7.1 0 2.5]) xlabel('Petal Length') ylabel('Petal Width') title('{\bf Quadratic Classification with Fisher Training Data}') hold off