标签：end idx %% coeff 分类 Kmeans label ionosphere 聚类分析

使用简单的Kmeans方法对特征数与样本数较多的电离层雷达回波数据进行分类，并计算分类精度，检验效果。
其中，通过PCA方法对数据降维实现可视化。

本文代码通过MATLAB2020a编写。

%% 清除工作区、命令行窗口，关闭图像窗口
clc
clear
close all
%% 加载电离层雷达回波分类数据  数据来自UCI http://archive.ics.uci.edu/ml/datasets/Ionosphere

%  Ionosphere dataset from the UCI machine learning repository:                   '
%  http://archive.ics.uci.edu/ml/datasets/Ionosphere                              '
%  X is a 351x34 real-valued matrix of predictors. Y is a categorical response:   '
%  "b" for bad radar returns and "g" for good radar returns.                      '
%  This is a binary classification problem.                                       '

%% 读取数据集
ionosphere = readtable('ionosphere.data','Filetype','text','ReadVariableNames',false);
data = table2array(ionosphere(:,1:34));

% 将标签从字符串类型转换为数值类型
label_str = table2array(ionosphere(:,end));
label = zeros(height(ionosphere),1);
for i=1:length(label_str)
    if label_str{i} == 'g'
        label(i,1) = 1;
    else
        label(i,1) = 2;
    end
end
%% K-means聚类分析
disp("Kmeans迭代计算信息：")
[idx,C] = kmeans(data,2,'Display','iter', 'Distance','sqeuclidean','Start','plus'); % 

%% 绘制轮廓图
figure;
silhouette(data, idx,'sqEuclidean'); 
title('轮廓图')

%% 数据降维  主成分分析
coeff = pca(data', 'NumComponents',2);  % 将数据特征降为二维方便可视化

%% 绘图
figure;
gscatter(coeff(:,1),coeff(:,2),idx);
title('kmeans聚类结果')

figure;
gscatter(coeff(:,1),coeff(:,2),label);
title('正确的分类')

%% 计算准确率
count = 0;
for i=1:length(idx)
   if idx(i) ~= label(i)
       count = count + 1;
   end
    
end
acc = 1 - count/length(idx);

disp("Kmeans聚类的准确率为：")
disp(acc)

标签：end,idx,%%,coeff,分类,Kmeans,label,ionosphere,聚类分析
来源： https://blog.csdn.net/qq_37207042/article/details/122407316

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。