私のデータを分類するためにboundary-decision関数を探したいと思います。ここにそれらの例があります。knn-classifierを使用した境界決定
"Distance","Dihedral","Categ"
4.083,82.267,C
4.132,87.073,C
4.713,-80.999,C
3.427,-48.144,NC
3.663,96.994,C
3.99,71.919,C
3.484,78.684,C
これまでのところ、私はknnモデルを持っていましたが、私は非線形決定境界をプロットしたいと思います。私が検索した例では、いくつかの変数があります。これらの変数は、どこで使用するのか、それとも何を意味するのかという手掛かりはありません。私は「統計学習の要素」の中で見つけたこの例について話しています。
library(ElemStatLearn)
require(class)
x <- mixture.example$x
g <- mixture.example$y
xnew <- mixture.example$xnew
mod15 <- knn(x, xnew, g, k=15, prob=TRUE)
prob <- attr(mod15, "prob")
prob <- ifelse(mod15=="1", prob, 1-prob)
px1 <- mixture.example$px1
px2 <- mixture.example$px2
prob15 <- matrix(prob, length(px1), length(px2))
par(mar=rep(2,4))
contour(px1, px2, prob15, levels=0.5, labels="", xlab="", ylab="", main=
"15-nearest neighbour", axes=FALSE)
points(x, col=ifelse(g==1, "coral", "cornflowerblue"))
gd <- expand.grid(x=px1, y=px2)
points(gd, pch=".", cex=1.2, col=ifelse(prob15>0.5, "coral", "cornflowerblue"))
box()
正確にpx1とpx2とは何ですか?私の特定のケースでも同様の変数が必要ですか?
ありがとうございました!
IはPX1及びPX2は、単に新しいデータは、新しいデータがx及びy軸に沿って、すなわち点に対してグリッドを記述するベクトルであると思います。 – Andrie