초평면과 평면의 교점을 그리는 방법 R

높은 차수의 다항식 변환을 사용하는 분류 기준을 실행하는 (2 차원) 데이터 요소 집합이 있습니다. 나는 다른 모든 시각화가 이것에 의해 만들어지기 때문에 gigplot2를 사용하여 상단에 superimbosed 된 분류 자로 점의 2 차원 산점도로 결과를 시각화하고 싶습니다. ClatechX 온라인 교육 과정 (배경색은 선택 사항)에 사용 된 것과 거의 비슷합니다.초평면과 평면의 교점을 그리는 방법 R

Example

나는 색상과 기호와 모든으로 포인트를 표시 할 수 있습니다, 그것은 쉽게하지만 내 임계 값을 나타내는 (분류기와 같은 비행기로 classifiing 초평면의 교회법을 아무것도 그리는 방법을 알아낼 수 없습니다). 내가 찾은 유일한 것은 stat_function이었고 그것은 하나의 인수로 함수를 취합니다.

편집 : 코멘트에 대한 질문을 받았다

예 :

샘플 데이터 :

perceptron_train <- function(data, maxIter=10000) { 
    set.seed(839) 
    X <- as.matrix(data[1:5]) 
    Y <- data["value"] 
    d <- dim(X) 
    X <- cbind(rep(1, d[1]), X) 
    W <- rep(0, d[2] + 1) 
    count <- 0 
    while (count < maxIter){ 
     H <- sign(X %*% W) 
     indexs <- which(H != Y) 
     if (length(indexs) == 0){ 
      break 
     } else { 
      i <- sample(indexs, 1) 
      W <- W + 0.1 * (X[i,] * Y[i,]) 
     } 
     count <- count + 1 
     point <- as.data.frame(data[i,]) 
     plot_it(data, point, W, paste("plot", sprintf("%05d", count), ".png", sep="")) 
    } 
    W 
}

코드 :

"","x","y","x","x","y","value" 
"1",4.17338115745224,0.303530843229964,1.26674990184152,17.4171102853774,0.0921309727918932,-1 
"2",4.85514814266935,3.452660451876,16.7631779801937,23.5724634872656,11.9208641959486,1 
"3",3.51938610081561,3.41200957307592,12.0081790673332,12.3860785266141,11.6418093267617,1 
"4",3.18545089452527,0.933340128976852,2.97310914874565,10.1470974014319,0.87112379635852,-16 
"5",2.77556006214581,2.49701633118093,6.93061880335166,7.70373365857888,6.23509055818427,-1 
"6",2.45974169578403,4.56341833807528,11.2248303614692,6.05032920997851,20.8247869282818,1 
"7",2.73947941488586,3.35344674880616,9.18669833727041,7.50474746458339,11.2456050970786,-1 
"8",2.01721803518012,3.55453519499861,7.17027250203368,4.06916860145595,12.6347204524838,-1 
"9",3.52376445778646,1.47073399974033,5.1825201951431,12.4169159539591,2.1630584979922,-1 
"10",3.77387718763202,0.509284208528697,1.92197605658768,14.2421490273294,0.259370405056702,-1 
"11",4.15821685106494,1.03675272315741,4.31104264382058,17.2907673804804,1.0748562089743,-1 
"12",2.57985028671101,3.88512040604837,10.0230289934507,6.65562750184287,15.0941605694935,1 
"13",3.99800728890114,2.39457673509605,9.5735352407471,15.9840622821066,5.73399774026327,1 
"14",2.10979392635636,4.58358959294856,9.67042948411309,4.45123041169019,21.0092935565863,1 
"15",2.26988795562647,2.96687697409652,6.73447830932721,5.15239133109813,8.80235897942413,-1 
"16",1.11802248633467,0.114183261757717,0.127659454208164,1.24997427994995,0.0130378172656312,-1 
"17",0.310411276295781,2.09426849964075,0.650084557879535,0.0963551604515758,4.38596054858751,-1 
"18",1.93197490065359,1.72926536411978,3.340897280049,3.73252701675543,2.99035869954433,-1 
"19",3.45879891654477,1.13636834081262,3.93046958599847,11.9632899450912,1.29133300600123,-1 
"20",0.310697768582031,0.730971727753058,0.227111284709427,0.0965331034018534,0.534319666774291,-1 
"21",3.88408110360615,0.915658151498064,3.55649052359657,15.0860860193904,0.838429850404852,-1 
"22",0.287852146429941,2.16121324687265,0.622109872005114,0.0828588582043242,4.67084269845782,-1 
"23",2.80277011333965,1.22467750683427,3.4324895146344,7.85552030822994,1.4998349957458,-1 
"24",0.579150241101161,0.57801398797892,0.334756940497835,0.335415001767533,0.334100170299295-,1 
"25",2.37193428212777,1.58276639413089,3.7542178708388,5.62607223873297,2.50514945839009,-1 
"26",0.372461311053485,2.51207412336953,0.935650421453748,0.138727428231681,6.31051640130279,-1 
"27",3.56567220995203,1.03982002707198,3.70765737388213,12.7140183088242,1.08122568869998,-1 
"28",0.634770628530532,2.26303249713965,1.43650656059435,0.402933750845047,5.12131608311011,-1 
"29",2.43812176748179,1.91849716124125,4.67752968967431,5.94443775306852,3.68063135769073,-1 
"30",1.08741064323112,3.01656032912433,3.28023980783858,1.182461907,9.0996362192467,-1 
"31",0.98,2.74,2.6852,0.9604,7.5076,1 
"32",3.16,1.78,5.6248,9.9856,3.1684,1 
"33",4.26,4.28,18.2328,18.1476,18.3184,-1

분류기를 생성하는 코드 플롯을 생성하십시오 :

plot_it <- function(data, point, weights, name = "plot.png") { 
    line <- weights_to_line(weights) 
    point <- point 
    png(name) 
    p = ggplot() + geom_point(data = data, aes(x, y, color = value, size = 2)) + theme(legend.position = "none") 
    p = p + geom_abline(intercept = line[2], slope = line[1]) 
    print(p) 
    dev.off() 
}

출처

2014-12-14 Nicktar

는'stat_contour (...)'에서보세요. 그 외에도 데이터의 대표 샘플과 분류 생성에 사용한 코드가 포함 된 재현 가능한 예제를 게시해야합니다. 참조 : http://stackoverflow.com/questions/5963269/how-to-make-a-great-r-reproducible-example/5963610#5963610. – jlhoward

데이터 나 분류자를 생성하는 코드가 아니기 때문에 질문에 대답하는 데 도움이되는 방법을 잘 모르겠습니다. – Nicktar

이 예제는 여전히 불완전합니다. 'weights_to_line'과 같은 함수 정의가 없습니다. 또한 분류 자의 반복 내에 플롯을 포함시킨 것은 이상합니다. jlhoward가 말했듯이, 그런 음모는 등고선 음모처럼 보일 것입니다. 경계가 어디에 있는지 알기 위해 x/y 입력의 각 조합에 대한 응답 값을 임계 값으로 설정해야합니다. 더 이상 당신을 도울 수있는 정보가 부족합니다. – MrFlick

이것은 질문의 자료를 사용하여 해결되었으며 Issues plotting a fitted SVM model's decision boundary using ggplot2's stat_contour()의 답변입니다. grid-entires와 scale_fill_manual 및 scale_colour_manual과 같은 미적 정의의 일부에 대한 geom_point에 대한 호출을 건너 뛰었습니다. 격자 항목에 대한 점을 제거하면 필자의 경우 윤곽선이 사라지는 문제가 해결되었습니다.

train_and_plot_svm <- function(train, kernel = "sigmoid", type ="C", cost, gamma) { 
    fit <- svm(as.factor(value) ~ x + y, data = train, kernel = kernel, type = type, cost = cost) 
    grid <- expand.grid (x = seq(from = -0.1, to = 15, length = 100), y = seq(from = -0.1, to = 15, length = 100)) 
    decisionValues <- as.vector(attributes(predict(fit, grid, decision.values = TRUE))$decision) 
    p <- predict(fit, grid) 
    grid$value <- p 
    grid$z <- decisionValues 
    p <- ggplot() + stat_contour(data = grid, aes(x = x, y = y, z = z), breaks = c(0)) 
    p <- p + geom_point(data = train, aes(x, y, colour = as.factor(value)), alpha = 0.7) 
    p <- p + xlim(0,15) + ylim(0,15) + theme(legend.position="none") 
}

이 함수는 svm training 결과가 아니라 ggplot2 객체를 반환합니다.

이 내가 가진 것입니다 : The resulting plot

출처

2014-12-22 09:36:56 Nicktar

초평면과 평면의 교점을 그리는 방법 R

답변

관련 문제