Этот пример показывает, как визуализировать вероятности апостериорной классификации, предсказанные наивной моделью классификации Байеса.
Загрузите набор данных радужки Фишера.
load fisheriris
X = meas(:,1:2);
Y = species;
labels = unique(Y);
X
является числовой матрицей, которая содержит два измерения лепестков для 150 ирисов. Y
- массив ячеек из векторов символов, который содержит соответствующие виды радужной оболочки.
Визуализируйте данные с помощью графика поля точек. Сгруппировать переменные по видам радужки.
figure; gscatter(X(:,1), X(:,2), species,'rgb','osd'); xlabel('Sepal length'); ylabel('Sepal width');
Обучите наивный классификатор Байеса.
mdl = fitcnb(X,Y);
mdl
является обученным ClassificationNaiveBayes
классификатор.
Создайте сетку точек, охватывающих все пространство в некоторых границах данных. Данные в X(:,1)
находится в диапазоне от 4,3 до 7,9. Данные в X(:,2)
находится в диапазоне от 2 до 4,4.
[xx1, xx2] = meshgrid(4:.01:8,2:.01:4.5); XGrid = [xx1(:) xx2(:)];
Предсказать виды радужки и апостериорные вероятности классов каждого наблюдения в XGrid
использование mdl
.
[predictedspecies,Posterior,~] = predict(mdl,XGrid);
Постройте график апостериорного распределения вероятностей для каждого вида.
sz = size(xx1); s = max(Posterior,[],2); figure hold on surf(xx1,xx2,reshape(Posterior(:,1),sz),'EdgeColor','none') surf(xx1,xx2,reshape(Posterior(:,2),sz),'EdgeColor','none') surf(xx1,xx2,reshape(Posterior(:,3),sz),'EdgeColor','none') xlabel('Sepal length'); ylabel('Sepal width'); colorbar view(2) hold off
Чем ближе наблюдение добирается до поверхности принятия решений, тем менее вероятно, что данные относятся к определенному виду.
Постройте график классификационных распределений вероятностей по отдельности.
figure('Units','Normalized','Position',[0.25,0.55,0.4,0.35]); hold on surf(xx1,xx2,reshape(Posterior(:,1),sz),'FaceColor','red','EdgeColor','none') surf(xx1,xx2,reshape(Posterior(:,2),sz),'FaceColor','blue','EdgeColor','none') surf(xx1,xx2,reshape(Posterior(:,3),sz),'FaceColor','green','EdgeColor','none') xlabel('Sepal length'); ylabel('Sepal width'); zlabel('Probability'); legend(labels) title('Classification Probability') alpha(0.2) view(3) hold off