362951_zh-CN

liliconcom

JMP中的k-NN可视化

嗨伙计，

 

长期使用JMP Pro的用户在这里，但对于使用k最近邻居分类模块来说还是一个新手。我正在使用可见反射光谱数据集来解决地质材料分类（两类）问题。在这一点上，我的k-NN模型得到了很好的优化，测试集的误分类率很低。到目前为止，一切都很好。但是，我正在寻找一种直观地说明k-NN在做什么以及如何进行预测的方法。本质上，我想生成决策区域图，如本文后半部分所示： https://towardsdatascience.com/knn-visualization-in-just-13-lines-of-code-32820d72c6b6是的，我很清楚这篇文章确切地解释了如何做到这一点，但是我有零编码经验，并且已经在JMP中进行了所有实际分析。建议最欢迎；谢谢！

分析工具图形回复：JMP中的k-NN可视化

虽然不是答案，但可视化或进行解释可能会有所帮助。 检查并运行表中的脚本。 请注意，生成高斯的情况很困难，因为它会导致类别的高度混杂。

回复：JMP中的k-NN可视化

我对KNN并不是很熟悉，但是我对Vizualization的第一个想法是给错误地预测一个不同的标记。 请参见下面的屏幕截图。 它是u形数据，K = 4的KNN给出了最佳结果。

• 保存的预测公式
• 制定了新的公式来比较真实的班级和预测的班级
• 使用该公式进行标记形状

还有一个有效的功能可以找到下一个邻居，我们可以使用它来找到错误点的范围，并赋予它不同的外观。 也许这会有所帮助。

 

 

回复：JMP中的k-NN可视化

我玩了一些

• 从大类中获取数据（体重和身高分别为x和y，性别为类），
• 进行KNN分析，保存公式
• 在单独的表格中生成一个网格，然后将“公式”复制到该网格中以显示“决策区域”
  见截图。 可能更漂亮（这是由于数据分发等引起的），但显示了含义。

如果您不想编码，也可以交互方式进行。 随附的是此示例的代码。 也许这会有所帮助。

 

 

 

 

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>