MATLAB - Классификация продукции - PullRequest
Новая
       37

MATLAB - Классификация продукции

2 голосов
/ 15 февраля 2012

Моя программа использует K-средства кластеризации заданного количества кластеров от пользователя.Для этого k = 4, но я бы хотел потом запустить кластеризованную информацию через наивный байесовский классификатор matlabs.

Есть ли способ разбить кластеры и передать их в различные наивные классификаторы в matlab?

Наивный байесовский: 

class  = classify(test,training, target_class, 'diaglinear');

K-означает: 

    %% generate sample data
K = 4;
numObservarations = 5000;
dimensions = 42;
%% cluster
opts = statset('MaxIter', 500, 'Display', 'iter');
[clustIDX, clusters, interClustSum, Dist] = kmeans(data, K, 'options',opts, ...
'distance','sqEuclidean', 'EmptyAction','singleton', 'replicates',3);
%% plot data+clusters
figure, hold on
scatter3(data(:,1),data(:,2),data(:,3), 5, clustIDX, 'filled')
scatter3(clusters(:,1),clusters(:,2),clusters(:,3), 100, (1:K)', 'filled')
hold off, xlabel('x'), ylabel('y'), zlabel('z')
%% plot clusters quality
figure
[silh,h] = silhouette(data, clustIDX);
avrgScore = mean(silh);
%% Assign data to clusters
% calculate distance (squared) of all instances to each cluster centroid
D = zeros(numObservarations, K);     % init distances
for k=1:K
%d = sum((x-y).^2).^0.5
D(:,k) = sum( ((data - repmat(clusters(k,:),numObservarations,1)).^2), 2);
end
% find  for all instances the cluster closet to it
[minDists, clusterIndices] = min(D, [], 2);
% compare it with what you expect it to be
sum(clusterIndices == clustIDX)

что-то вроде вывода k кластеров в формат k1, k2, k3 с последующим нахождением наивного классификатора вместо этоготеста это будет k1, k2 .. и т. д. 

class  = classify(k1,training, target_class, 'diaglinear');

Но я просто не знаю, как отправить вывод k кластеров в matlab в какой-либо формат?(действительно новичок в этой программе)

РЕДАКТИРОВАТЬ 

training = [1;0;-1;-2;4;0]; % this is the sample data.
target_class = ['posi';'zero';'negi';'negi';'posi';'zero'];% This should have the same number of rows as training data. The elements and the class on the same row should correspond.
% target_class are the different target classes for the training data; here 'positive' and 'negetive' are the two classes for the given training data

% Training and Testing the classifier (between positive and negative)
test = 10*randn(10,1) % this is for testing. I am generating random numbers.
class  = classify(test,training, target_class, 'diaglinear')  % This command classifies the test data depening on the given training data using a Naive Bayes classifier

% diaglinear is for naive bayes classifier; there is also diagquadratic

1 Ответ

1 голос
/ 19 февраля 2012

Попробуйте это: 

% create 100 random points (this is the training data)
X = rand(100,3);

% cluster into 5 clusters
K = 5;
[IDX, C] = kmeans(X, K);

% now let us say you have new data and you want 
% to classify it based on the training:
SAMPLE = rand(10,3);
CLASS = classify(SAMPLE,X,IDX);

И если вы просто хотите отфильтровать один из кластеров данных, вы можете сделать что-то вроде этого: 

K1 = X(IDX==1)

Надеюсь, что это былополезно ..

...