鸢尾花(k-means)算法实现.docx

以鸢尾花数据集为目标离散数据,对ChiMerge算法的实现基于卡方分析的离散化基本思想:对于精确的离散化,相对类频率在一个区间内应当完全一致。因此,如果两个相邻的区间具有非常类似的类分布,则这两个区间可以合并;否则,它们应当保持分开。而低卡方值表明它们具有相似的类分布。算法描述:将属性A的每个不同值作为一个区间;对每对相邻区间进行卡方检验;对具有最小卡方值的区间进行合并;该过程递归地进行,直到满足预先定义的终止标准。二、Chimerge算法介绍ChiMerge是监督的、自底向上的(即基于合并的)数据离散化方法。它依赖于卡方分析:具有最小卡方值的相邻区间合并在一起,直到满足确定的停止准则。在本程序中,满足条件具体表现为max_interval=6。算法描述:第一步:初始化。根据要离散的属性对实例进行排序:每个实例属于一个区间;第二步:递归合并区间。计算每一对相邻区间的卡方值预先设定一个卡方的阈值,在阈值之下的区间都合并,阈值之上的区间保持分区间。卡方的计算公式:参数说明:m=2(每次比较的区间数是2个),k=类别数;Aij:第i区间第j类的实例的数量Cj:第j类的实例数量;N:总的实例数量;Eij:Aij的期望频率;=(Ni/N)*Cj将卡方值最小的一对区间合并。三、鸢尾花数据集测试数据描述:鸢尾花共有四个属性,花萼长,花萼宽,花瓣长,花瓣宽。数据共150个样本,分为三个品种:setosaversicolorvirginica(刚毛,变色,弗吉尼亚),每个品种50个样本。 以花瓣长度属性为例,区间合并过程:第一趟合并: 每个值都是一个区间,首先计算排序后的第一区间和第二区间的卡方值:种类类别1(期望频数)类别2(期望频数)类别3(期望频数)总数区间11(1)0()0()1区间23(3)0()0()3总数4004根据卡方公式计算:;最终区间89和区间90的卡方检验值最小,将其合并。种类类别1(期望频数)类别2(期望频数)类别3(期望频数)总数区间89(6)0()4(4)2(2)6区间90()0()4(4)2(2)6总数08412根据卡方公式计算:;最终以max_interval=6作为终止条件,将150个区间合并成6个区间:[ ][ ][5 ][ ][ 7 ][ ]分裂点分别是:,,,,%¶ÁÈ¡Îļþ[a,b,p,q,class]=textread('','%f%f%f%f%s','delimiter',',');%´¦Àí×Ö·û´®t=size(class);fori=1:t(1,1)ifstrcmp(class(i,1),'Iris-setosa')=