MATLAB 统计分析

做散点图：

gscatter函数可以按分类或分组来画离散点，适用于画多个类别的离散样本分布图。

使用方法：
gscatter(x,y,group)
gscatter(x,y,group,clr,sym,siz)
gscatter(x,y,group,clr,sym,siz,doleg)
gscatter(x,y,group,clr,sym,siz,doleg,xnam,ynam)
h = gscatter(...)

函数中，x和y是向量，是该点的x轴和y轴坐标，因为画在二维平面上，所以，如果是多维数据，只能从中选取两特征作为x，y坐标来代表点，或者使用特定的降维投影函数来得到x，y。

group是类别标志或分组向量，对应每一个坐标或样本的类别或分组，可以是多分类样本。

clr是点的颜色字符串序列，如“r”代表红色之类，可以不用，所以不做详细介绍了。

使用案例：
A=magic(6)
group=[1,2,3,3,2,3]
gscatter(A(:,1),A(:,2),group)

统计分析：

先做散点图：

load fisheriris
gscatter(meas(:,1), meas(:,2), species,'rgb','osd');
xlabel('Sepal length');
ylabel('Sepal width');
N = size(meas,1);

分类：

LDA分类：

ldaClass = classify(meas(:,1:2),meas(:,1:2),species);

朴素贝叶斯分类：

nbGau= NaiveBayes.fit(meas(:,1:2), species);
nbGauClass= nbGau.predict(meas(:,1:2));
bad = ~strcmp(nbGauClass,species);
nbGauResubErr = sum(bad) / N
nbGauClassFun = @(xtrain,ytrain,xtest)...
               (predict(NaiveBayes.fit(xtrain,ytrain), xtest));
nbGauCVErr  = crossval('mcr',meas(:,1:2),species,...
              'predfun', nbGauClassFun,'partition',cp)

其中strcmp（）函数表示：

% 将结构体（x）的字段（s）的类名与字符串（‘maplesym’）比较
% 相等返回 1
% 不相等返回 0

~表示否定。

...表示换行。

@表示要调用函数，这里类似数学公式nbGauClassFun（xtrain,ytrain,xtest）=predict(NaiveBayes.fit(xtrain,ytrain), xtest)