362951_ja-JP

liliconcom

JMPでのk-NN視覚化

こんにちは皆さん、

 

ここでは長年のJMPProユーザーですが、k最近傍分類モジュールの操作はかなり新しいものです。私は、地質学的材料分類（2クラス）問題の可視反射分光データセットを使用しています。この時点で、テストセットの誤分類率が低く、かなり最適化されたk-NNモデルがあります。ここまでは順調ですね。しかし、私はk-NNが何をしているのか、そしてどのように予測が行われるのかを視覚的に説明する方法を探しています。基本的に、この投稿の後半に示すように、決定領域プロットを生成したいと思います。 https://towardsdatascience.com/knn-visualization-in-just-13-lines-of-code-32820d72c6b6はい、私は投稿がそれを行う方法を正確に説明していることをよく知っていますが、コーディングの経験はなく、JMPで実際の分析をすべて行っています。提案は大歓迎です。ありがとう！

分析グラフィックスRe：JMPでのk-NN視覚化

答えではありませんが、それでも視覚化または説明することは役立つかもしれません。 テーブル内のスクリプトを調べて実行します。 生成ガウスケースは、カテゴリの高レベルの混合を生成するため、難しいことに注意してください。

Re：JMPでのk-NN視覚化

私はKNNにあまり詳しくありませんが、私が持っているであろう視覚化の最初のアイデアは、誤って予測された別のマーカーを与えることです。 以下のスクリーンショットを参照してください。 これはU字型のデータであり、K = 4のKNNが最良の結果をもたらしました。

• 保存された予測式
• 真のクラスと予測されたクラスを比較するための新しい式を作成しました
• マーカーの形状にその式を使用する

次の隣人を見つけるための効率的な機能もあります。これを使用して、たとえば間違ったポイントの範囲を見つけて、別の外観にすることができます。 おそらくこれは役に立ちます。

 

 

Re：JMPでのk-NN視覚化

少し遊んだことがありますが、

• ビッグクラスからデータを取得しました（体重と身長はxとy、性別はクラス）、
• KNN分析を行い、式を保存しました
• 別のテーブルにグリッドを生成し、数式をそのグリッドにコピーして「決定領域」を表示しました
  スクリーンショットを参照してください。 よりきれいになる可能性がありますが（データ分散などによる）、意味を示しています。

コーディングしたくない場合は、これをインタラクティブに行うこともできます。 この例のコードは同封されています。 おそらくこれが役立つでしょう。

 

 

 

 

Names Default To Here( 1 );

// Create a data table (x and y are height and weight from Big Class, class is sex)
dt_data= New Table( "dt_data",
 Add Rows( 40 ),
 New Column( "x", Numeric,
  "Continuous",
  Format( "Fixed Dec", 5, 0 ),
  Set Values(
   [59, 61, 55, 66, 52, 60, 61, 51, 60, 61, 56, 65, 63, 58, 59, 61, 62, 65, 63, 62,
   63, 64, 65, 64, 68, 64, 69, 62, 64, 67, 65, 66, 62, 66, 65, 60, 68, 62, 68, 70]
  ),
  Set Display Width( 48 )
 ),
 New Column("y", Numeric,
  "Continuous",
  Format( "Fixed Dec", 5, 0 ),
  Set Values(
   [95, 123, 74, 145, 64, 84, 128, 79, 112, 107, 67, 98, 105, 95, 79, 81, 91, 142,
   84, 85, 93, 99, 119, 92, 112, 99, 113, 92, 112, 128, 111, 105, 104, 106, 112,
   115, 128, 116, 134, 172]
  ),
  Set Display Width( 48 )
 ), 
 New Column( "class", Numeric,
  "Nominal",
  Format( "Best", 12 ),
  Set Values(
   [1, 1, 1, 1, 1, 2, 2, 2, 1, 1, 1, 2, 2, 2, 2, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2,
   1, 1, 2, 2, 2, 2, 2, 1, 1, 2, 1, 2, 2]
  )
 ),

);

// Model class by x and y and save formula
knn_rep = dt_data << K Nearest Neighbors(
 Y( :class ),
 X( :x, :y ),
 K( 10 ),
 Set Random Seed( 42 )
);
knn_rep << xpath( "class" ) << Save Prediction Formula( 8 );
knn_rep << Close Window();

// Generate a grid data table to show the whole field
Summarize(
 dt_data,
 max_x = Max( :x ),
 min_x = Min( :x ),
 max_y = Max( :y ),
 min_y = Min( :y )
);
dx = 1;
get_limit = Function( {value},
 Round( value / dx ) * dx + If( value >= 0, 1, -1 ) * dx
);
dtx = As Table(
 (get_limit( min_x ) / dx :: get_limit( max_x ) / dx)` * dx,
 <<COLUMN names=""></COLUMN>