matlab 韩明距离_【Matlab开发】matlab中bar绘图设置与各种距离度量

【Matlab开发】matlab中bar绘图设置与各种距离度量

标签(空格分隔)： 【Matlab开发】 【机器学习】

Matlab Bar图如何为每个bar设置不同颜色

data = [3, 7, 5, 2;4, 3, 2, 9;6, 6, 1, 4];

b = bar(data);

使用bar绘制非常直观简单，但有时需要突出显示某一个bar，比如该bar是一个标杆，用来衡量其bar的高度，所以可以用醒目的红色来显示它。那么如何设置呢？

参看下面的代码：

data = [3, 7, 5, 2;4, 3, 2, 9;6, 6, 1, 4];

b = bar(data);

ch = get(b,‘children‘);

set(ch{1},‘FaceVertexCData‘,[1;1;1;1;2;2;2;2;3;3;3;3;4;4;4;4])

set(ch{2},‘FaceVertexCData‘,[1;1;1;1;2;2;2;2;3;3;3;3;4;4;4;4])

set(ch{3},‘FaceVertexCData‘,[1;1;1;1;2;2;2;2;3;3;3;3;4;4;4;4])

set(ch{4},‘FaceVertexCData‘,[1;1;1;1;2;2;2;2;3;3;3;3;4;4;4;4])

data = [3, 7, 5, 2];

b = bar(data);

ch = get(b,‘children‘);

set(ch,‘FaceVertexCData‘,[0 0 1;0 1 1;1 1 1;1 0 1;])

matlab中用于求取各种距离的函数pdist方法的使用

引言说明

在机器学习和数据挖掘中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚 类算法，如 K 最近邻(KNN)和 K 均值(K-Means)等等。根据数据特性的不同，可以采用不同的度量方法。一般而言，定义一个距离函数 d(x,y), 需要满足下面几个准则：

(1) d(x,x) = 0 // 到自己的距离为0

(2) d(x,y) >= 0 // 距离非负

(3) d(x,y) = d(y,x) // 对称性: 如果 A 到 B 距离是a，那么 B 到 A 的距离也应该是 a

(4) d(x,k)+ d(k,y) >= d(x,y) // 三角形法则:(两边之和大于第三边)

本节首先介绍一下matlab中用于求取各种距离的函数pdist方法的使用

matlab中用于求取各种距离的函数pdist方法的使用

下面是help出来的帮助信息：

help pdist

pdist Pairwise distance between observations.

D = pdist(X) returns a vector D containing the Euclidean distances

between each pair of observations in the M-by-N data matrix X. Rows of

X correspond to observations, columns correspond to variables. D is a

1-by-(M*(M-1)/2) row vector, corresponding to the M*(M-1)/2 pairs of

observations in X.

D = pdist(X, DISTANCE) computes D using DISTANCE. Choices are:

‘euclidean‘ - Euclidean distance (default)

‘seuclidean‘ - Standardized Euclidean distance. Each coordinate

difference between rows in X is scaled by dividing

by the corresponding element of the standard

deviation S=NANSTD(X). To specify another value for

S, use D=pdist(X,‘seuclidean‘,S).

‘cityblock‘ - City Block distance

‘minkowski‘ - Minkowski distance. The default exponent is 2. To

specify a different exponent, use

D = pdist(X,‘minkowski‘,P), where the exponent P is

a scalar positive value.

‘chebychev‘ - Chebychev distance (maximum coordinate difference)