Display classification result

Bonjour
Je cherche à visualiser graphiquement le résultat d'une classification avec QDA.
Pour ce faire, j'ai utilisé les lignes de code données dans le help de matlab:

Code:

---

1 2 3 4 5 6

K = coeff(1,2).const; L = coeff(1,2).linear; Q = coeff(1,2).quadratic; f= @(x,y) K + [x y]*L + sum(([x y]*Q) .* [x y], 2); hold on h2 = ezplot(f, [min(m(:,1)) max(m(:,1)) min(m(:,1)) max(m(:,1))]);

---

Mais ceci ne marche pas et me génère des erreurs et des warnings que je cite:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Warning: Function failed to evaluate on array inputs; vectorizing the function may speed up its evaluation and avoid the need to loop over array elements. > In specgraph\private\ezplotfeval at 57 In ezplot>ezimplicit at 253 In ezplot at 153 ??? In an assignment A(I) = B, the number of elements in B and  I must be the same.   Error in ==> ezplotfeval>applyfun at 83 z(i) = feval(f,x(i),y(i));   Error in ==> ezplotfeval at 68 z = applyfun(x,y);   Error in ==> ezplot>ezimplicit at 253 u = ezplotfeval(f,X,Y);   Error in ==> ezplot at 153 hp = ezimplicit(cax,f{1},vars,labels,args{:});

---

Quelqu'un pourrait m'aider?
Merci

Bonjour,

Le problème est que pour chaque couple (x,y) rentré dans la fonction, tu renvoies deux valeurs, dû au terme [x y] devant L.
Il te faut donc revoir l'expression de ta fonction.

D'accord merci :)
Encore une question; pour utiliser la classification QDA, voici le code que j'utilise:

Code:

---

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

all_data_label=[]; for k=1:length(m) if k<= 53 all_data_label(k,1)=1; else all_data_label(k,1)=2; end end R=[]; for j=1:500 tn=0; tp=0; ov=0; testing_ind=[]; for i=1:length(m) if randn>0.8 testing_ind=[testing_ind,i]; end; end; training_ind=setxor(1:length(m),testing_ind);   [qdaClass, err, p, logp, coeff]=classify(m(testing_ind, :), m(training_ind, :), all_data_label(training_ind, :), 'quadratic'); [qdaRes, grpOrder]=confusionmat(all_data_label(testing_ind, :), qdaClass); tn=qdaRes(1,1)/(qdaRes(1,1)+qdaRes(1,2)); tp=qdaRes(2,2)/(qdaRes(2,1)+qdaRes(2,2)); ov=(qdaRes(1,1)+qdaRes(2,2))/sum(sum(qdaRes)); R(j,1)=tn; R(j,2)=tp; R(j,3)=ov; end true_negative=100*mean(R(:,1)); true_positive=100*mean(R(:,2)); overall=100*mean(R(:,3));

---

Mais je me demande s'il me manque quelque chose, car j'ai des résultats non satisfaisants.
Je sais qu'avec les SVM on doit utiliser la fonction svmtrain pour l'apprentissage, avant de faire appel à svmclassify pour le test.
Pour mon cas avec QDA, j'utilise directement classify, j'ai l'impression qu'il me manque quelque chose.
Quelqu'un pourrait m'aider? J'ai besoin de corriger mes résultats :(