Ich habe eine 10x427 Matrix die Spalten sind die Features und die Zeilen die unterschiedlichen Objekte. d.h. eine Zeile beschreibt ein Objekt.
Wobei jeweils 19 Spalten eine Übung definieren und meine Obejekte eindeutig einer Klasse zugewiesen sind.
Jetzt möchte ich nur diejenigen Werte hiervon auswählen die die Objekte am besten unterscheidbar macht.
Hierzu habe ich folgenden Code:
Code:
X = DataTAR(:,1:19);
y = [011000011]';
c = cvpartition(y,'leaveout');
opts = statset('display','iter');
fun = @(XT,yT,Xt,yt)(sum(yt ~= classify(Xt,XT,yT,'quadratic')));
[fs,history] = sequentialfs(fun,X,y,'cv',c,'options',opts);
sequentialfs spuckt mir immer nur einen einzelnen Wert aus um eine Unterscheidung durchführen zu können. und was gibt das criterion value von sequentialfs genau an ? das verstehe ich nicht so richtig. Der Wert pendelt meist zw 0.3 und 0.1..
Anstatt eines einzelnen Features hätte ich lieber die besten 3.
Gibt es da eine bessere / andere Funktion ?
Ein weiteres Problem ist für mich dass ich danach eine Klassifizierung durchführen möchte mittels leave one out methode.
Die jeweilige Aufteilung in Testset und Trainingset sollte ja mittels cvp Objekt erledigt sein oder nicht ??
Aber wie ist dieses Objekt mmit den Anonymen Funktionsaufrufen verknüpft das verstehe ich nicht?
Hier wir ein XT,yT,XT,yt als aufruf für classify erstellt und dessen Ergebnis in sequentialfs genutzt.
Welche Xt,yT usw werden übergeben ? im cvp Objekt steht nicht explizit drin welche Objekte welcher Klasse zugeordnet sind, sondern nur die Anzahl, 8 sind Training Set, 1 Test set. Wie läuft das denn ab? die einzelnen Variablen sind nicht mit Xt,yT usw aufgeführt.
fun = @(XT,yT,Xt,yt)(sum(yt ~= classify(Xt,XT,yT,'quadratic')));
Oke habe das alles ein wenig anders gelöst.
Wobei ein neues Problem mit cvpartition aufgetreten ist, welches ich nicht verstehe
Code:
cp_lda1 = classperf(y); % initializes the CP object for k=1:9% run cross-validation 9 times
cv = repartition(cv);
feat = rankfeatures(X((training(cv,k)),:)',y(training(cv,k)'),'NUMBER',5);
c = classify(X(feat,test(cv,k))',X(feat,training(cv,k))',y(training(cv,k)));
classperf(cp_lda1,c,test(cv)); % updates the CP object with current validati
on
end
und zwar soll laut help mitells test(cv,k) und training(cv,k) jeweils für leaveout Methode die Test und Trainingssets ausgewählt werden.
bei meinem Aufruf führt das jedoch zu einer fehlermeldung wenn ich test anwende.
Function 'subsindex' is not defined for values of
class 'cvpartition'.
training(cv,k) liefert den Trainingsvektor, test(cv,k) die Fehlermeldung
was mache ich falsch ?
funktioniert es ... verstehe nicht wieso das so komisch dokumentiert ist.
Einstellungen und Berechtigungen
Du kannst Beiträge in dieses Forum schreiben. Du kannst auf Beiträge in diesem Forum antworten. Du kannst deine Beiträge in diesem Forum nicht bearbeiten. Du kannst deine Beiträge in diesem Forum nicht löschen. Du kannst an Umfragen in diesem Forum nicht mitmachen. Du kannst Dateien in diesem Forum posten Du kannst Dateien in diesem Forum herunterladen
MATLAB, Simulink, Stateflow, Handle Graphics, Real-Time Workshop, SimBiology, SimHydraulics, SimEvents, and xPC TargetBox are registered trademarks and The MathWorks, the L-shaped membrane logo, and Embedded MATLAB are trademarks of The MathWorks, Inc.
RSS