|
|
|
Problem bei der Klassifizierung |
|
| aremce |
Gast
|
 |
Beiträge: ---
|
|
|
|
Anmeldedatum: ---
|
|
|
|
Wohnort: ---
|
|
|
|
Version: ---
|
|
|
|
 |
|
Verfasst am: 15.11.2015, 20:57
Titel: Problem bei der Klassifizierung
|
 |
| |
 |
 |
Guten Abend!
ich arbeite gerade mit der Klassifizierung von Daten und habe festgestellt, dass in einigen Fällen die Klassifizierung schief geht. Ich weiß mittlerweile auch warum um das kurz zu beschreiben hier ein paar scatter plots:
Hier habe ich einen discriminant classifier quadratisch trainiert
ich habe 2 klassen, die Datenpunkte in cyan und die Datenpunkte in blau
jetzt möchte ich "unbekannte" daten klassifizieren
http://fs5.directupload.net/images/151115/cludefvn.jpg
Man sieht das die Datenpunkte in magenta zum Teil in Klasse 1 und zum Teil in Klasse 2 liegen
ich würde es gerne so Klassifizieren, dass Klasse 1 (grüne Fläche) sehr dicht an den Datenpunkten von cyan liegt.
Es ist wichtiger, dass Klasse 2 nicht fälschlicherweise als Klasse 1 klassifiziert wird.
Klasse 1 ist sozusagen der Normalzustand
klassifiziere ich normale Daten als falsch, dann ist das nicht so schlimm.
Klassifzier ich jedoch falsche Daten als normal geht das Schiff unter.
Außerdem soll der Klassifizierer mir nicht nur die Klasse ausgeben, sondern auch die Wahrscheinlichkeit zu dieser Klasse.
Gibt es da geeignete Möglichkeiten? Benutze 2013b mit stat. Toolbox
Viele Grüße
aremce
|
|
|
|
|
|
| aremce |
Gast
|
|
Beiträge: ---
|
|
|
|
Anmeldedatum: ---
|
|
|
|
Wohnort: ---
|
|
|
|
Version: ---
|
|
|
|
|
|
|
Verfasst am: 18.11.2015, 13:14
Titel:
|
|
Keiner?
Ich habe mir überlegt, dass ich mir die Verteilung aller messwerte des Normalzustandes berechnen könnte und selbst eine grenze Festlege. Sobald ein Datenpunkt außerhalb dieser Grenze liegt, lässt sich schlussfolgern, dass der Normalzustand nicht mehr herrscht.
Jedoch habe ich derzeit >40 Merkmale/Dimensionen
Wie gehe ich da am besten vor um sichere Aussagen treffen zu können?
|
|
|
|
| daNnyTigA |
Forum-Anfänger
|
|
Beiträge: 22
|
|
|
|
Anmeldedatum: 27.05.15
|
|
|
|
Wohnort: ---
|
|
|
|
Version: 2014b/2015a
|
|
|
|
|
|
|
Verfasst am: 19.11.2015, 17:59
Titel:
|
|
hast du dir mal fitctree angeschaut? sollte vor allem bei 40 Merkmalen sehr hilfreich sein und geht recht einfach. ansonsten gibt es noch fitcsvm und fitcnb. letzteres rechnet auch mit Wahrscheinlichkeiten soweit ich weiß.
ansonsten wie du vorgeschlagen hast irgendwie ein normal- bzw. referenzzustand (Mittelwert aller cyan-punkte) ermitteln und dann selbst festlegen inwiefern dein neuer Messpunkt vom referenzzustand abweichen darf
|
|
|
|
| aremce |
Gast
|
|
Beiträge: ---
|
|
|
|
Anmeldedatum: ---
|
|
|
|
Wohnort: ---
|
|
|
|
Version: ---
|
|
|
|
|
|
|
Verfasst am: 20.11.2015, 12:23
Titel:
|
|
Hey, danke für die Antwort
ich habe mir auch andere Klassifzierer angeschaut (nicht fitc..., denn das heißt bei meiner Matlabversion dann statt fitcnb "ClassificationNaiveBayes.fit)
Es bleibt jedoch das gleiche Problem bestehen.
Versuche den weg über die Verteilung.
|
|
|
|
|
|
|
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
|
|
Impressum
| Nutzungsbedingungen
| Datenschutz
| FAQ
|  RSS
Hosted by:
Copyright © 2007 - 2024
goMatlab.de | Dies ist keine offizielle Website der Firma The Mathworks
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.
|
|
