0

以下是我试图解决的作业中的一个问题：

相似度矩阵的可视化。用一个四维向量（萼片长度、萼片宽度、花瓣长度、花瓣宽度）表示每个样本。对于每两个样本，计算它们的成对相似度。您可以使用欧几里得距离或其他度量来执行此操作。这导致相似度矩阵，其中元素 (i,j) 存储样本 i 和 j 之间的相似度。请对所有样本进行排序，以便同一类别的样本一起出现。使用函数 imagesc() 或任何其他函数可视化矩阵。

这是我到目前为止编写的代码：

load('iris.mat'); % create a table of the data
iris.Properties.VariableNames = {'Sepal_Length' 'Sepal_Width' 'Petal_Length' 'Petal_Width' 'Class'}; % change the variable names to their actual meaning
iris_copy = iris(1:150,{'Sepal_Length' 'Sepal_Width' 'Petal_Length' 'Petal_Width'}); % make a copy of the (numerical) features of the table
iris_distance = table2array(iris_copy); % convert the table to an array

% pairwise similarity
D = pdist(iris_distance); % calculate the Euclidean distance and store the result in D
W = squareform(D); % convert to squareform
figure()
imagesc(W); % visualize the matrix

现在，我认为我的编码基本上可以回答这个问题。我的问题是如何对所有样本进行排序，以便同一类别的样本一起出现，因为我在创建副本时去掉了名称。它是否已经通过转换为方形进行了排序？其他建议？谢谢！

4

1 回答 1

0

它应该与原始数据的顺序相同。虽然您可以在之后对其进行排序，但最简单的解决方案实际上是在第 2 行之后和第 3 行之前按类对数据进行排序。

load('iris.mat'); % create a table of the data
iris.Properties.VariableNames = {'Sepal_Length' 'Sepal_Width' 'Petal_Length' 'Petal_Width' 'Class'}; % change the variable names to their actual meaning
% Sort the table here on the "Class" attribute. Don't forget to change the table name
% in the next line too if you need to.
iris_copy = iris(1:150,{'Sepal_Length' 'Sepal_Width' 'Petal_Length' 'Petal_Width'}); % make a copy of the (numerical) features of the table

考虑使用排序：

tblB = sortrows(tblA,'RowNames') 根据表的行名对表进行排序。表的行名称标记沿着表的第一个维度的行。如果 tblA 没有行名，即如果 tblA.Properties.RowNames 为空，则 sortrows 返回 tblA。

于 2019-03-02T01:24:20.803 回答