Загрузите набор данных радужки Фишера. Определите размер выборки.

load fisheriris
N = size(meas,1);

Разбейте данные на обучающие и тестовые наборы. Удерживайте 10% данных для тестирования.

rng(1); % For reproducibility
cvp = cvpartition(N,'Holdout',0.1);
idxTrn = training(cvp); % Training set indices
idxTest = test(cvp);    % Test set indices

Сохраните данные обучения в таблице.

tblTrn = array2table(meas(idxTrn,:));
tblTrn.Y = species(idxTrn);

Обучение модели анализа дискриминанта с использованием обучающего набора и опций по умолчанию.

Mdl = fitcdiscr(tblTrn,'Y');

Спрогнозировать метки для тестового набора. Вы тренировались Mdl с помощью таблицы данных, но можно прогнозировать метки с помощью матрицы.

labels = predict(Mdl,meas(idxTest,:));

Создайте матрицу путаницы для тестового набора.

confusionchart(species(idxTest),labels)

Mdl неверно классифицирует одну диафрагму versicolor как virginica в наборе тестов.

Загрузите набор данных радужки Фишера. Рассмотрите возможность обучения только с использованием длины и ширины лепестков.

load fisheriris
X = meas(:,3:4);

Обучение модели анализа квадратичного дискриминанта с использованием всего набора данных.

Mdl = fitcdiscr(X,species,'DiscrimType','quadratic');

Определите сетку значений в наблюдаемом предикторном пространстве. Предсказать апостериорные вероятности для каждого случая в сетке.

xMax = max(X);
xMin = min(X);
d = 0.01;
[x1Grid,x2Grid] = meshgrid(xMin(1):d:xMax(1),xMin(2):d:xMax(2));

[~,score] = predict(Mdl,[x1Grid(:),x2Grid(:)]);
Mdl.ClassNames

ans = 3x1 cell
    {'setosa'    }
    {'versicolor'}
    {'virginica' }

score является матрицей классовых задних вероятностей. Столбцы соответствуют классам в Mdl.ClassNames. Например, score(j,1) - задняя вероятность того, что наблюдение j является сетозой радужной оболочки.

Постройте график апостериорной вероятности классификации versicolor для каждого наблюдения в сетке и постройте график обучающих данных.

figure;
contourf(x1Grid,x2Grid,reshape(score(:,2),size(x1Grid,1),size(x1Grid,2)));
h = colorbar;
caxis([0 1]);
colormap jet;
hold on
gscatter(X(:,1),X(:,2),species,'mcy','.x+');
axis tight
title('Posterior Probability of versicolor'); 
hold off

Задняя область вероятности обнажает часть границы принятия решения.