线性判别分析matlab答案

【问题标题】：Linear discriminant analysis matlab线性判别分析matlab
【发布时间】：2018-07-08 07:52:03
【问题描述】：

我想对我的数据进行 LDA 分类。我的数据有 6 个特征，我想找出哪一个具有最好的分类性能。所以我的想法是分别评估所有特征，每次我只将一个特征放入 matlab 函数 fitcdiscr 中的 LDA 分类器中。
我的问题是如何可视化分类的输出，如下图所示：

使用fitcdiscr函数后，我有一个模型，我如何可视化图中分隔两个类的线？应该将功能与录音数量一起适应fitcdiscr 的功能吗？非常感谢！

【问题讨论】：

请详细说明您的数据，在您的帖子中添加一些代码，并详细说明您的目标。

标签： matlab machine-learning statistics classification lda

【解决方案1】：

这里是一些示例数据：

x = [1, 1.5] .* randn(100, 2);
x(51:end, :) = [1, 2] .* x(51:end, :) + [2, 4];
y = [ones(50, 1); 2*ones(50, 1)];

如果你用 LDA 模型拟合

mdl = fitcdiscr(x, y);

这将返回一个ClassificationDiscriminant 对象，其中包含字段Coeffs，其中存储了所有LDA 系数。这是一个 k-by-k 结构，其中 k 是类的数量，即这里有一个 2 em>-by-2 结构。 Coeffs(i, j) 包含类 i 和 j 之间的线性边界。因此，我们只对Coeffs(1, 2) 感兴趣，即第 1 类和第 2 类之间的边界。

如文档中所述，两个类之间的边界方程为（简化为忽略二次部分，因为我们处理的是 LDA 而不是 QDA）

Const + Linear * x = 0,

因此，我们可以计算出直线的函数

x(2) = -(Const + Linear(1) * x(1)) / Linear(2)

我们可以使用gscatter 创建一个散点图，并通过找到当前轴 (gca) 的最小和最大 x 值并使用上面的等式计算相应的 y 值来添加线。

figure(1)
gscatter(x(:, 1), x(:, 2), y);
hold on

lx = get(gca, 'Xlim');
ly = -(mdl.Coeffs(1, 2).Const + mdl.Coeffs(1, 2).Linear(1) .* lx) / mdl.Coeffs(1, 2).Linear(2);
plot(lx, ly, '-b', 'DisplayName', 'LDA')

hold off

导致

【讨论】：