KNearestNeighborsAPP

回到主页

工具箱说明

  • 本工具箱是基于 MATLAB 的 K 临近分析工具箱，适用于：已知自变量和自变量类型，对其进行机器学习，鉴别未知类型自变量的类型。
  • 本工具箱基于 MATLAB 自带的函数，对其建模、参数选择、模型分析过程进行了封装，生成了 KNearestNeighbors 类。对 KNearestNeighbors 类，设计了 APP 交互界面，将类的功能显示在界面上，方便使用。界面如下图所示：

1

工具箱功能简介

  • 设置算法的 K 值、距离函数、训练样本比例进行机器学习。
  • 扫描不同距离函数、不同 K 值的学习情况。
  • 预测未知类型变量的所属类型。
  • 得出混淆矩阵、精准率、召回率等判定模型效果的数据。
  • 作出各种分类效果图：原始数据、训练检验、预测分类（必须预测数据）、混淆矩阵。可以画二维和三维的效果图。

APP使用方法

打开APP

KNearestNeighborsAPP(X,Y)

其中，X 为自变量数据矩阵，每一行代表一个样本，每一列代表一个属性。

参数设置

2

  • 训练样本比例值进行机器学习的样本比例，剩余样本用训练好的模型进行验证。
  • 如果训练样本为 1，则对所有样本尽心训练，然后对所有样本进行检验。

预测变量

3

  • 输入自变量为工作区的变量名称，点击 开始预测 可以直接进行预测。

扫描距离函数

4

  • 点击 开始训练 可以对不同的距离函数进行扫描，函数的序号与参数设置距离函数下拉列表相同。

扫描 K 值

5

  • 点击 开始训练 可以对设置的 K 值的范围进行扫描。

检验参数

6

  • 所有样本是指所有输入样本的情况，检验样本指用于检验的样本情况。

分类图像

原始数据

7

  • 原始数据分类的可视化，如果 Z 轴序号为 0，则为二维图像，否则为三维图像。
训练检验

8

预测分类

9

混淆矩阵

10

本文章使用limfx的vsocde插件快速发布