MATLAB统计工具箱数值模拟分析

1、MATLAB 统计工具箱数值模拟分析3.1 模拟数据用 mntlab 产生一组随机数，共 300 个，非别是完全可分离数据、重叠度较低数据和重叠度较高数据，并且画出图形。程序1rngefault;% ForreproucibilityXI=rann(100,2)+0*ones(100,1),m*ones(X2= rann( 100,2) +0*ones(100J), n*ones(100,l); X3=rann( 100,2) +0*ones(100J), p*ones( 100,1); ataX=Xl;X2;X3J;opts =statset(isplayVfinab);ix,C = kme

2、ans(X3/istancecityblockVReplicates5JOptionsopts); figure ;hol on plot(Xl(:,l),Xl(:,2)； plot(X2(:,l),X2(:,2),bo);plot(X3(:,l),X3(:,2)； r*1);title Ranomly Generateata;31完全可分离数据m15,n=&3161416141210*札*214-32-123418图31完全可离数据散 点图3 2 重叠度较低的数据1,m=15,n=10,p=5r 3.2100%100%oo24-10218161412屯弄。號匚3.2 重叠度较低的数据散点图3

3、.1.3 重叠度较高的数据调用【程序 1】，取 m=15,n=12,p=9散点图如图 3.3 所示。Ranomly Gen erate ata18r1614-12OO10-89 -4-3-2-10123图33重叠度较高的数据散点图3. 2聚类分析完全可分离数据程序 2rng efault; % For reproucibilityXI=rann(100,2)+0*ones(l00J),m*ones(X2=rann(100,2)+0*ones(100J),n*ones(100,1); X3=rann(100,2)+0*ones(100,l),p*ones(100,1); ataX=Xl;X2;X

4、3;opts =statset(isplay7finar);ix.C = kmeans(X,3/istance7cityblockReplicates5/Optionsopts); figure ; plot(X(:,l),X(:,2),T);title Ranomly Generate at1 P=ix;a=0;b=0;c=0;fori=l:1:300ifp(i)=la=a+1; elseif P(i)=2;b=b+l; else c=c+l; enen ab cfigure ;plot(X(ix= 1,1 ),X(ix 二二 1,2)/r/MarkerSize 12)holonplot(X

5、(ix=2,l ),X(ix=2,2)/boMarkerSizel holonplot(X(ix=3,l ),X(ix=3,2)/r*7MarkerSizel 2) plot(C(:J ),C(:,2)/kx.A MarkerSizeJ；LineWith3)legen(Ckisterr/Cluster 3Centrois.1614Cluster1614Cluster1Cluster2Cluster3Centrois12 1086 420-23- 10- 2123.4完全可分离titleClusterAssignmentsanCentroishol off取m=15,n=&聚类效果图如图34所示

6、:Cluster Assignments an Centrois18数据聚类效果图Cluster1=100Cluster2=100Cluster3=100重叠度较低的数据2】，取m=15,210,p=5;聚类效果图如图35所示:Cluster A33ignments an Centrois3.5 重叠度较低数据聚类效果图Cluster 1 =993.2.3Cluster2= 100Cluster3= 10118161816Cluster1Cluster2Cluster 3 Centrois半14o12310O8621413Cluster 2Cluster 3 Conuois12米1110987

7、*ooo米6调用【程序2】，取m=12,n=10,p=8;聚类效果图如图36所示:Cluster Assignments an Centrois15Cluster 1-3-2-101233.6 重叠度较髙数据聚类效果图Cluster I =95Ckister2=IOlCluster3=1043. 33. 3.1 错误率计算方法若聚类正确，则记代二 0,1, 9,聚类的错误率驴3.3.2 模拟数据错误率分析3.1 完全可分离数据错误率分析聚类前聚类后错误率1001000.001001000.001001000.00Cluster 1 Cluster2Cluster3奕数点数Cluster Cluster 1 Cluster2Cluster3奕数点数Cluster Cluster2Cluster3聚类前聚类后错误率100990.011001000.001001010.01聚类前聚类后错误率3.2聚类前聚类后错误率类数点数Cluster 1100950.05Cluster21001010.01Cluster31()()1040.04k-means 关于重叠度较高的数据进行聚类的结果并且不是特别理想，但正如本文前面提到的那个正态分布的例子，在聚类的进程中，出 现了部分样本点的重合，