判别分析的matlab实现案例.doc

读取EXAMP10_01XLS中数据，进行距离判别读取数据读取文件EXAMP10_01XLS的第1个工作表中C2F51范围的数据，即全部样本数据，包括未判企业SAMPLEXLSREAD EXAMP10_01XLS , , C2F51 读取文件EXAMP10_01XLS的第1个工作表中C2F47范围的数据，即已知组别的样本数据，TRAININGXLSREAD EXAMP10_01XLS , , C2F47 读取文件EXAMP10_01XLS的第1个工作表中B2B47范围的数据，即样本的分组信息数据，GROUPXLSREAD EXAMP10_01XLS , , B2B47 OBS150 企业的编号距离判别距离判别，判别函数类型为MAHALANOBIS，返回判别结果向量C和误判概率ERRC,ERRCLASSIFYSAMPLE,TRAINING,GROUP, MAHALANOBIS OBS,C查看判别结果ERR查看误判概率加载FISHERIRISMAT中数据，进行贝叶斯判别加载数据LOADFISHERIRIS把文件FISHERIRISMAT中数据导入MATLAB工作空间查看数据HEAD0{ OBJ , X1 , X2 , X3 , X4 , CLASS }设置表头HEAD0NUM2CELL1150 ,MEAS,SPECIES以元胞数组形式查看数据贝叶斯判别用MEAS和SPECIES作为训练样本，创建一个朴素贝叶斯分类器对象OBJBAYESOBJBAYESNAIVEBAYESFITMEAS,SPECIES利用所创建的朴素贝叶斯分类器对象对训练样本进行判别，返回判别结果PRE0，PRE0也是字符串元胞向量PRE0OBJBAYESPREDICTMEAS利用CONFUSIONMAT函数，并根据SPECIES和PRE0创建混淆矩阵(包含总的分类信息的矩阵)CLMAT,ORDERCONFUSIONMATSPECIES,PRE0以元胞数组形式查看混淆矩阵{ FROM/TO },ORDER ORDER,NUM2CELLCLMAT查看误判样品编号GINDEX1GRP2IDXPRE0根据分组变量PRE0生成一个索引向量GINDEX1GINDEX2GRP2IDXSPECIES根据分组变量SPECIES生成一个索引向量GINDEX2ERRIDFINDGINDEX1GINDEX2通过对比两个索引向量，返回误判样品的观测序号向量查看误判样品的误判情况HEAD1{ OBJ , FROM , TO }设置表头用NUM2CELL函数将误判样品的观测序号向量ERRID转为元胞向量，然后以元胞数组形式查看误判结果HEAD1NUM2CELLERRID,SPECIESERRID,PRE0ERRID对未知类别样品进行判别定义未判样品观测值矩阵XX5827180735631381861254711612657195131650625837390135727110126432241667319116835791利用所创建的朴素贝叶斯分类器对象对未判样品进行判别，返回判别结果PRE1，PRE1也是字符串元胞向量PRE1OBJBAYESPREDICTX加载FISHERIRISMAT中数据，进行FISHER判别加载数据LOADFISHERIRIS把文件FISHERIRISMAT中数据导入MATLAB工作空间待判样品定义待判样品观测值矩阵XX5827180735631381861254711612657195131650625837390135727110126432241667319116835791FISHER判别利用FISHER函数进行判别，返回各种结果(见FISHER函数的注释)OUTCLASS,TABCAN,TABL,TABCON,TABM,TABGFISHERX,MEAS,SPECIES绘制两个判别式得分的散点图利用FISHER函数进行判别，返回各种结果，其中TS为判别式得分OUTCLASS,TABCAN,TABL,TABCON,TABM,TABG,TSFISHERX,MEAS,SPECIES提取各类的判别式得分TS1TSTS,11,SETOSA类的判别式得分TS2TSTS,12,VERSICOLOR类的判别式得分TS3TSTS,13,VIRGINICA类的判别式得分PLOTTS1,2,TS1,3, KO SETOSA类的判别式得分的散点图HOLDONPLOTTS2,2,TS2,3, K VERSICOLOR类的判别式得分的散点图PLOTTS3,2,TS3,3, KP VIRGINICA类的判别式得分的散点图LEGEND SETOSA类 , VERSICOLOR类 , VIRGINICA类 加标注框XLABEL 第一判别式得分 给X轴加标签YLABEL 第二判别式得分 给Y轴加标签只用一个判别式进行FISHER判别令FISHER函数的第4个输入为05，就可以只用一个判别式进行判别OUTCLASS,TABCAN,TABL,TABCON,TABM,TABGFISHERX,MEAS,SPECIES,05FUNCTIONOUTCLASS,TABCAN,TABL,TABCON,TABM,TABG,TRAINSCOREFISHERSAMPLEDATA,TRAINING,GROUP,CONTRIFISHER判别分析CLASSFISHERSAMPLEDATA,TRAINING,GROUP根据训练样本TRAINING构造判别式，利用所有判别式对待判样品SAMPLEDATA进行判别SAMPLEDATA和TRAINING是具有相同列数的矩阵，它们的每一行对应一个观测，每一列对应一个变量GROUP是TRAINING对应的分组变量，它的每一个元素定义了TRAINING中相应观测所属的类GROUP可以是一个分类变量，数值向量，字符串数组或字符串元胞数组TRAINING和GROUP必须具有相同的行数FISHER函数把GROUP中的NAN或空字符串作为缺失数据，从而忽略TRAINING中相应的观测CLASS中的每个元素指定了SAMPLEDATA中的相应观测所判归的类,它和GROUP具有相同的数据类型CLASSFISHERSAMPLEDATA,TRAINING,GROUP,CONTRI根据累积贡献率不低于CONTRI，确定需要使用的判别式个数，默认情况下，使用所有判别式进行判别CONTRI是一个在0,1区间内取值的标量，用来指定累积贡献率的下限CLASS,TABCANFISHER以表格形式返回所用判别式的系数向量，若CONTRI取值为1，则返回所有判别式的系数向量TABCAN是一个元胞数组，形如 VARIABLE CAN1 CAN2 X1 0208700065 X2 0386205866 X3 0554002526 X4 0707407695CLASS,TABCAN,TABLFISHER以表格形式返回所有特征值，贡献率，累积贡献率等TABL是一个元胞数组，形如 EIGENVALUE DIFFERENCE PROPORTION CUMULATIVE 321919319065099120991202854000881CLASS,TABCAN,TABL,TAB