如何使用MATLAB分类学习器导出的线性判别模型并可视化决策边界

一、查看模型预测输出 #

执行预测命令后，将结果保存到变量即可直接查看，还可以通过混淆矩阵对比真实标签与预测标签的匹配情况：

% 获取预测结果
yfit = trainedModel_LD.predictFcn(T);
% 打印预测标签
disp('预测标签：');
disp(yfit);
% 生成混淆矩阵，评估分类效果
confusion_matrix = confusionmat(T(:,1), yfit);
disp('混淆矩阵：');
disp(confusion_matrix);

注：T(:,1)是原始数据中的真实标签列，yfit是模型输出的预测标签。

二、绘制类间决策边界 #

分类学习器导出的trainedModel_LD是结构体，需先提取其中的底层LDA模型对象，再调用绘图函数：

% 提取底层线性判别模型
ldaModel = trainedModel_LD.LinearDiscriminantModel;
% 绘制原始分类散点图
figure
gscatter(T(:,2), T(:,3), T(:,1), 'rgb', 'osd');
hold on
% 绘制决策边界
plot(ldaModel)
title('LDA模型决策边界与原始数据分布')
xlabel('x')
ylabel('y')
legend('Cluster 1','Cluster 2','Cluster 3','Location','eastoutside')
hold off

之前直接plot(trainedModel_LD)报错，是因为该结构体不是MATLAB可直接绘图的模型对象，必须提取LinearDiscriminantModel字段对应的模型。

三、查看模型相关信息 #

直接在命令行输入trainedModel_LD并回车，即可展开结构体查看所有模型相关信息，关键字段包括：

• LinearDiscriminantModel：底层LDA模型对象，包含均值、协方差、判别系数等核心参数
• predictFcn：预测函数句柄
• ClassNames：模型识别的类别名称
• ScoreTransform：分数转换规则

若要查看LDA模型的具体参数，可通过以下代码：

ldaModel = trainedModel_LD.LinearDiscriminantModel;
% 查看各类别的均值向量
disp('各类别均值：');
disp(ldaModel.Mu);
% 查看协方差矩阵
disp('协方差矩阵：');
disp(ldaModel.Covariance);

内容的提问来源于stack exchange，提问作者user2587726