線性判別分析使用ggord
一個可以使良好的線性判別分析ggplot2
二維圖(參見第11章,11.5圖中的「二維圖在實踐」,由M.格里納克)的標繪後驗概率分類,如在R:在GGPLOT2
library(MASS)
install.packages("devtools")
library(devtools)
install_github("fawda123/ggord")
library(ggord)
data(iris)
ord <- lda(Species ~ ., iris, prior = rep(1, 3)/3)
ggord(ord, iris$Species)
我還要添加的分類區域(示出相同顏色的作爲固體的區域作爲各自與組說阿爾法= 0.5)類別成員的或後驗概率(帶alpha然後改變根據這個後驗概率ity和每個組所用的顏色相同)(可以在BiplotGUI
中完成,但我在尋找ggplot2
解決方案)。誰會知道如何做到這一點ggplot2
,也許使用geom_tile
?
編輯:下面有人問如何計算後驗分類概率&預測類。這是這樣的:
library(MASS)
library(ggplot2)
library(scales)
fit <- lda(Species ~ ., data = iris, prior = rep(1, 3)/3)
datPred <- data.frame(Species=predict(fit)$class,predict(fit)$x)
#Create decision boundaries
fit2 <- lda(Species ~ LD1 + LD2, data=datPred, prior = rep(1, 3)/3)
ld1lim <- expand_range(c(min(datPred$LD1),max(datPred$LD1)),mul=0.05)
ld2lim <- expand_range(c(min(datPred$LD2),max(datPred$LD2)),mul=0.05)
ld1 <- seq(ld1lim[[1]], ld1lim[[2]], length.out=300)
ld2 <- seq(ld2lim[[1]], ld1lim[[2]], length.out=300)
newdat <- expand.grid(list(LD1=ld1,LD2=ld2))
preds <-predict(fit2,newdata=newdat)
predclass <- preds$class
postprob <- preds$posterior
df <- data.frame(x=newdat$LD1, y=newdat$LD2, class=predclass)
df$classnum <- as.numeric(df$class)
df <- cbind(df,postprob)
head(df)
x y class classnum setosa versicolor virginica
1 -10.122541 -2.91246 virginica 3 5.417906e-66 1.805470e-10 1
2 -10.052563 -2.91246 virginica 3 1.428691e-65 2.418658e-10 1
3 -9.982585 -2.91246 virginica 3 3.767428e-65 3.240102e-10 1
4 -9.912606 -2.91246 virginica 3 9.934630e-65 4.340531e-10 1
5 -9.842628 -2.91246 virginica 3 2.619741e-64 5.814697e-10 1
6 -9.772650 -2.91246 virginica 3 6.908204e-64 7.789531e-10 1
colorfun <- function(n,l=65,c=100) { hues = seq(15, 375, length=n+1); hcl(h=hues, l=l, c=c)[1:n] } # default ggplot2 colours
colors <- colorfun(3)
colorslight <- colorfun(3,l=90,c=50)
ggplot(datPred, aes(x=LD1, y=LD2)) +
geom_raster(data=df, aes(x=x, y=y, fill = factor(class)),alpha=0.7,show_guide=FALSE) +
geom_contour(data=df, aes(x=x, y=y, z=classnum), colour="red2", alpha=0.5, breaks=c(1.5,2.5)) +
geom_point(data = datPred, size = 3, aes(pch = Species, colour=Species)) +
scale_x_continuous(limits = ld1lim, expand=c(0,0)) +
scale_y_continuous(limits = ld2lim, expand=c(0,0)) +
scale_fill_manual(values=colorslight,guide=F)
(當然不能完全確定這種方法使用輪廓/符在1.5和2.5顯示分類界限始終是正確的 - 這是種1之間的邊界正確, 2和物種2和3,但如果物種1的區域與物種3相鄰則不會,因爲我會在那裏得到兩個界限 - 也許我將不得不使用使用的方法,其中每個物種對之間的每個邊界被考慮分別)
這讓我儘可能plotti分類區域。我正在尋找一個解決方案,同時也繪製每個物種在每個座標處的實際後驗分類概率,使用與每個物種的後驗分類概率成比例的α(不透明度)和物種特定顏色。換句話說,疊加三個圖像的疊加。作爲GGPLOT2 alpha混合被稱爲是order-dependent,我覺得這個堆棧的顏色將不得不雖然事先計算的,使用類似
Here is a SAS example of what I am after畫在:
會有人也許知道如何做到這一點?還是有人有任何想法如何最好地表示這些後驗分類概率?
請注意,該方法應該適用於任何數量的組,而不僅限於此特定示例。
你可以添加一個數據佈局的例子嗎? – Benvorth
啊,虹膜,忘了我的問題:-) – Benvorth
你能提取應該繪製的數據(分類區域,後驗概率)嗎? – tonytonov