-
Notifications
You must be signed in to change notification settings - Fork 0
/
LSED_Lab_5.R
270 lines (174 loc) · 6.86 KB
/
LSED_Lab_5.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
### LSED - Laboratorium 5 - Drzewa klasyfikuj¹ce - part 1
rm(list=ls())
### --- Part 1 - Drzewo losowanie --- ###
library(MASS)
# Generowanie
draw.data.gauss <- function(S1, S2, m1, m2, n1, n2) {
X1 <- mvrnorm(n1, m1, S1)
X2 <- mvrnorm(n2, m2, S2)
X1 <- data.frame(X1); colnames(X1) <- c("x", "y")
X2 <- data.frame(X2); colnames(X2) <- c("x", "y")
X1$class <- 1; X2$class <- 2
data <- rbind(X1, X2); data$class <- factor(data$class)
return(data)
}
# Rysowanie punktów
plot.data <- function(data) {
cols <- c("blue", "orange")
plot(data[,1:2], col = cols[data$class], cex = 2)
text(data[,1:2], labels = 1:nrow(data), cex = 0.6)
}
# Parametry danych z rozk³adu Gaussa
S1 <- matrix(c(4, 2, 2, 4), 2, 2)
S2 <- matrix(c(4, 2, 2, 2), 2, 2)
m1 <- c(-1, -1)
m2 <- c(2, 2)
n1 <- 30
n2 <- 20
# Ustawienie ziarna dla losowania danych
set.seed(128)
# Generowanie obserwacji
data <- draw.data.gauss(S1, S2, m1, m2, n1, n2)
# Rysowanie danych
plot.data(data)
# Funkcja do wspó³czynnika Gini'ego
gini <- function(tab) 2 * tab[1] * tab[2]
# Normalizacja prostego histogramu
norm.tab <- function(tab, tab.s) if(tab.s) { tab / tab.s } else { tab }
# Funkcja do wyznaczania ró¿norodnoœci
get.Q <- function(data, name, threshold) {
# Rozk³ad klas w oryginalnej probie
tab.all <- table(data$class)
tab.all.s <- sum(tab.all)
# Rozk³ad klas dla warunku tj. po "lewej" stronie przedzialu
tab.left <- table(data$class[data[,name] <= threshold])
tab.left.s <- sum(tab.left)
# Rozk³ad klas po "prawej" stronie
tab.right <- tab.all - tab.left
tab.right.s <- tab.all.s - tab.left.s
# Normalizacja rozk³adów
tab.all <- norm.tab(tab.all, tab.all.s)
tab.left <- norm.tab(tab.left, tab.left.s)
tab.right <- norm.tab(tab.right, tab.right.s)
# Wyznaczanie wspó³czynników Gini'ego
# czyli ró¿norodnoœci w wêz³ach
Q.all <- gini(tab.all)
Q.left <- gini(tab.left)
Q.right <- gini(tab.right)
# U³amki elementów w wêz³ach
p.left <- tab.left.s / tab.all.s
p.right <- 1 - p.left
# Ca³kowita ró¿norodnoœæ w wêz³ach-dzieciach
Q.children <- p.left * Q.left + p.right * Q.right
# Zwracamy ró¿nicê ró¿norodnoœci
return(Q.all - Q.children)
}
# Tworzenie wektorów podzia³ów
threshold.x <- sort(data$x)
threshold.y <- sort(data$y)
# Obliczanie ró¿nic ró¿norodnoœci
# dla podzia³ów na argumencie x oraz y
Q.x <- sapply(threshold.x, function(t) get.Q(data, "x", t))
Q.y <- sapply(threshold.y, function(t) get.Q(data, "y", t))
# Wartoœæ ró¿norodnoœci w funkcji progu podzia³u
plot(threshold.x, Q.x, t = "o", pch = 19, xlab = "Próg podzia³u (wartosc X lub Y)", ylab = "wartosc Q")
points(threshold.y, Q.y, t = "o", pch = 19, col = "blue")
# Rysowanie linii podzia³u
threshold.x.max <- (threshold.x[which.max(Q.x)] + threshold.x[which.max(Q.x) + 1]) / 2
abline(v = threshold.x.max, lty = 2, col = "red")
# Zaznaczenie obszaru pierwszej klasy
plot.data(data)
rect(-10, -10, threshold.x.max, 10, col = rgb(0, 0, 1, 0.2), border = NA)
### --- Part 2 - Podzia³ Danych --- ###
split.data <- function(data) {
threshold.x <- sort(data$x)
threshold.y <- sort(data$y)
Q.x <- sapply(threshold.x, function(t) get.Q(data, "x", t))
Q.y <- sapply(threshold.y, function(t) get.Q(data, "y", t))
if(max(Q.x) > max(Q.y)) {
threshold.x.max <- (threshold.x[which.max(Q.x)] + threshold.x[which.max(Q.x) + 1]) / 2
data.left <- data[data$x <= threshold.x.max,]
data.right <- data[data$x > threshold.x.max,]
return(list(var = "x", var.val = threshold.x.max, data.left = data.left, data.right = data.right))
} else {
threshold.y.max <- (threshold.y[which.max(Q.y)] + threshold.y[which.max(Q.y) + 1]) / 2
data.left <- data[data$y <= threshold.y.max,]
data.right <- data[data$y > threshold.y.max,]
return(list(var = "y", var.val = threshold.y.max, data.left = data.left, data.right = data.right))
}
}
blue.op <- rgb(0, 0, 1, 0.2)
orange.op <- rgb(1, 0.66, 0, 0.2)
plot.data(data)
s0 <- split.data(data)
rect(-10, -10, s0$var.val, 10, col = blue.op)
s1.r <- split.data(s0$data.right)
rect(s0$var.val, s1.r$var.val, 10, 10, col = orange.op)
s2.r <- split.data(s1.r$data.right)
rect(s2.r$var.val, s1.r$var.val, 10, 10, col = orange.op)
rect(s0$var.val, s1.r$var.val, s2.r$var.val, 10, col = orange.op)
s2.l <- split.data(s1.r$data.left)
rect(s2.l$var.val, -10, 10, s1.r$var.val, col = orange.op)
rect(s0$var.val, -10, s2.l$var.val, s1.r$var.val, col = blue.op)
### --- Part 3 - Drzewa: Pe³na Funkcja --- ###
# Rekurencyjna prymitywna funkcja implementuj¹ca drzewa
split.data <- function(data, sp) {
tab <- table(data$class)
if(gini(tab) < 1e-6) {
cat(sp, "Lisc drzewa, klasa A: ", tab[1], "klasa B:", tab[2], "\n")
} else {
threshold.x <- sort(data$x)
threshold.y <- sort(data$y)
Q.x <- sapply(threshold.x, function(t) get.Q(data, "x", t))
Q.y <- sapply(threshold.y, function(t) get.Q(data, "y", t))
if(max(Q.x) > max(Q.y)) {
threshold.x.max <- (threshold.x[which.max(Q.x)] + threshold.x[which.max(Q.x) + 1]) / 2
data.left <- data[data$x <= threshold.x.max,]
data.right <- data[data$x > threshold.x.max,]
cat(sp, "Podzial na X", threshold.x.max, "\n")
} else {
threshold.y.max <- (threshold.y[which.max(Q.y)] + threshold.y[which.max(Q.y) + 1]) / 2
data.left <- data[data$y <= threshold.y.max,]
data.right <- data[data$y > threshold.y.max,]
cat(sp, "Podzial na Y", threshold.y.max, "\n")
}
sp <- paste(sp," ")
split.data(data.left, sp)
split.data(data.right, sp)
}
}
# Wykonanie funkcji
#split.data(data, "")
### --- Pakiet RPART --- ###
# Biblioteka rpart
library(rpart)
# Wyuczenie drzewa na danych
tree <- rpart(class ~ y + x, data, minsplit = 1, minbucket = 1)
#print(tree)
# Rysowanie drzewa - stara bibliotek - dziwny wykres
#plot(tree, uniform = TRUE)
#text(tree, use.n = TRUE, all = TRUE, font = 2)
# Biblioteka rpart.plot
library(rpart.plot)
# Rysowanie drzewa
rpart.plot(tree, type = 1, extra = 1)
### --- Drzewa: Przewidywanie --- ###
# Przewidywanie
tree.class <- predict(tree, newdata = data, type = "class")
# Porównanie z oryginalnymi klasami
table(data$class, tree.class)
# Domyœlne wywo³anie rpart
# minsplit = 20, minbucket = round(minsplit/3)
tree.def <- rpart(class ~ y + x, data)
rpart.plot(tree.def, type = 1, extra = 1)
# Porównanie z oryginalnymi klasami
tree.class <- predict(tree.def, newdata = data, type = "class")
table(data$class, tree.class)
# Generacja nowych danych
data.new <- draw.data.gauss(S1, S2, m1, m2, n1, n2)
# Przewidywanie za pomoc¹ "przeuczonego" klasyfikatora
tree.class <- predict(tree, newdata = data.new, type = "class")
table(data.new$class, tree.class)
# Przewidywanie za pomoc¹ "przyciêtego" klasyfikatora
tree.class <- predict(tree.def, newdata = data.new, type = "class")
table(data.new$class, tree.class)