본문 바로가기

Enginius/Matlab

classify, knnclassify

1. knnclassify 
 Classify data using nearest neighborhood method


 사용법 
 class = knnclassify (Sample, Training, Group)
  - Sample (Test)
      이 행렬의 row들이 group으로 classify될 것임
  - Training
      Sample의 row들을 지정하기 위한 training sample
  - Group
      벡터이다. 각 element는 Training의 Row에 group을 나타낸다 


Sample = [0.9 0.8 ; 0.1 0.3 ; 0.2 0.6]
Sample =
    0.9000    0.8000
    0.1000    0.3000
    0.2000    0.6000

Training = [0 0 ; 0.5 0.5 ; 1 1]
Training =
         0         0
    0.5000    0.5000
    1.0000    1.0000

Group = [1 ; 2 ; 3]
Group =
     1
     2
     3 
 
class = knnclassify(Sample, Training, Group)

class =
     3
     1
     2

이 나온다. 즉 Test하려는 Sample과 Training을 비교해서 가장 가까운 것으로 grouping을 해준다. 

2. classify
Discriminant analysis 
 
사용법 
 class = classify (Sample, Training, Group, 'type')
  - Sample (Test)
      이 행렬의 row들이 group으로 classify될 것임
  - Training
      Sample의 row들을 지정하기 위한 training sample
  - Group
      벡터이다. 각 element는 Training의 Row에 group을 나타낸다 
   - 'type'
      linear: default
      quadratic: Fits multivariate normal densities with a diagonal covariance estimates stratified by group
 
 

'Enginius > Matlab' 카테고리의 다른 글

for loop  (0) 2011.10.25
normrnd (White Gaussian Noise sampling)  (0) 2011.10.25
plot  (0) 2011.10.13
classify, knnclassify  (0) 2011.10.13
HMM(Hidden Markov Models)  (0) 2011.10.12
Matlab handbook  (0) 2011.09.22