برنامه نویسی در متلب برای شناسایی آماری الگو

[mary.s]

سلام...
دوستان راجع به برنامه نویسی Confusion matrix میخواستم بدونم کلا چی هست و چه طوری از آن استفاده کنم و همچنین در مورد اینکه داده ها مو به روش k-fold بخوام دستخ بندی کنم باید چیکار کنم...
با تشکر...

 

[nazliii]

سلام...
دوستان راجع به برنامه نویسی Confusion matrix میخواستم بدونم کلا چی هست و چه طوری از آن استفاده کنم و همچنین در مورد اینکه داده ها مو به روش k-fold بخوام دستخ بندی کنم باید چیکار کنم...
با تشکر...

K-Fold
در این نوع اعتبارسنجی داده ها به K زیرمجموعه افراز می شوند. از این K زیرمجموعه، هر بار یکی برای اعتبارسنجی و K-1 تای دیگر برای آموزش بکار میروند. این روال K بار تکرار می شود و همه داده ها دقیقا یکبار برای آموزش و یکبار برای اعتبارسنجی بکار می روند. در نهایت میانگین نتیجه این K بار اعتبارسنجی به عنوان یک تخمین نهایی برگزیده می شود. البته می توان از روش های دیگر برای ترکیب نتایج استفاده کرد. بطور معمول از 10-Fold استفاده می شود.
در روش K-Fold طبقه ای سعی می شود نسبت داده های هر کلاس در هر زیرمجموعه و در مجموعه اصلی یکسان باشد.

========================================================

برای تولید ماتریس گیجی از داده هاتون میتونین مثل مثال زیر عمل کنین

1 2 3 4 5 6 7 8 910

expected = [1 1 2 2 3 3]'; % Known groups predicted = [1 1 2 3 4 4]'; % Predicted groups [confusion_matrix,order] = confusionmat(expected, predicted) confusion_matrix = 2 0 0 0 0 1 1 0 0 0 0 2 0 0 0 0

 

[mary.s]

K-Fold
در این نوع اعتبارسنجی داده ها به K زیرمجموعه افراز می شوند. از این K زیرمجموعه، هر بار یکی برای اعتبارسنجی و K-1 تای دیگر برای آموزش بکار میروند. این روال K بار تکرار می شود و همه داده ها دقیقا یکبار برای آموزش و یکبار برای اعتبارسنجی بکار می روند. در نهایت میانگین نتیجه این K بار اعتبارسنجی به عنوان یک تخمین نهایی برگزیده می شود. البته می توان از روش های دیگر برای ترکیب نتایج استفاده کرد. بطور معمول از 10-Fold استفاده می شود.
در روش K-Fold طبقه ای سعی می شود نسبت داده های هر کلاس در هر زیرمجموعه و در مجموعه اصلی یکسان باشد.

========================================================

برای تولید ماتریس گیجی از داده هاتون میتونین مثل مثال زیر عمل کنین

1 2 3 4 5 6 7 8 910

expected = [1 1 2 2 3 3]'; % Known groups predicted = [1 1 2 3 4 4]'; % Predicted groups [confusion_matrix,order] = confusionmat(expected, predicted) confusion_matrix = 2 0 0 0 0 1 1 0 0 0 0 2 0 0 0 0

مرسی نازلی جان خیلی خوب و کامل بود...

 

[arefeh tci]

salam dostan
man maghale dar mored SVM ya PCA k ba narmafzar matlab beshe piade sazi kard lazem darm.mamnoon mishm komk konid.