問題タブ [linear-discriminant]

EMG 信号に基づいて手の動きを予測するプログラムに取り組んでいます。これまでのところ、LDA プログラムのデータベースとして使用する CSV ファイルがあります。私が見つけている問題は、実際にプログラムで予測できることです。シリアル ポート (センサー) から取得した値に基づいて指の動きを予測する方法はありますか?

このドキュメントに基づいて Pythonで使用して、アイリス データ セットの境界線をプロットしようとしています。LDAsklearn

2 次元データの場合、 と を使用LDA.coef_して線を簡単にプロットできますLDA.intercept_。

しかし、2 つのコンポーネントに縮小された多次元データLDA.coef_の場合、とLDA.interceptには多くの次元があり、これらを使用して 2D 縮小次元プロットで境界線をプロットする方法がわかりません。

と の最初の 2 つの要素のみを使用してプロットしようとしましたが、うまくいきませLDA.coef_んLDA.interceptでした。

によって生成された境界線の結果は、2 つのクラスを分離する可能性が低い線を示しましlda.coef_[0]たlda.intercept[0]

ここに画像の説明を入力

np.meshgrid を使用してクラスの領域を描画しようとしました。しかし、私はこのようなエラーが発生します

ValueError: X にはサンプルごとに 2 つの機能があります。期待 4

メッシュグリッドからの2Dポイントではなく、元のデータの4次元を期待しています。

幾何学的形態計測データに対して最小判別分析を実行しようとしています。幾何学的形態計測データは通常、多数の変数を生成し、判別分析は標本を正確に分類するために変数よりも多くのデータ ポイントを必要とするため、文献の一般的な解決策は、主成分分析を実行してから、99% 未満を表す可変数の PC を使用することです。 LDA の入力として最高の再分類率を返します。

現在、私がこれを行っている方法は、使用可能なすべての PC の数で R で LDA を実行し (MorphoおよびMASSパッケージの関数を使用)、最高の精度を返す PC の最小数が見つかるまで、分類の精度を手動で記録することです。 、しかし、これは非常に非効率的です。

最初の N 個の PC のすべての可能な数 (累積分散の 99% を表す特定のユーザー定義レベルまで) に対して LDA を実行し、再分類率のパーセントを返す関数を作成する方法があるかどうか疑問に思っていました。各レベルで、次のようなものが生成されます。

したがって、行 1 は最初の 20 台の PC が使用されたときの再分類率であり、行 2 は最初の 19 台の PC が使用されたときの率であり、以下同様です。

SNP データセットで冗長性分析を実行したところ、そこから候補 SNP が得られました。このデータに対して DAPC を実行したいのですが、チュートリアルでは少し混乱してしまいました。これは、クラスターに既にデータがあり、DAPC を実行したいのですが、これらのエラーが原因で何らかの理由で機能していないと考えているためです。この点ですが、私は何を知りません