taralino

.mds

Die Funktion DimensionReduction.mds(A) erwartet folgende (verpflichtende) Argumente:

Argument	Datentyp	Hinweis
A	Datenfeld	Datensatz als Matrix (Liste von Objekten)
n	Zahl	ganzzahlig, positiv

Der Datensatz A wird auf n Merkmale reduziert. Als Verfahren kommt eine metrische multidimensionale Skalierung zum Einsatz, die im Wesentlichen auf der Bestimmung von Eigenvektoren beruht.

Zudem können folgende Optionen verwendet werden:

Variable	Datentyp	Hinweis	Default-Wert
metric	Zeichenkette	manhattan, euclidean, maximum oder cosine	euclidean

Die Option metric definiert das Ähnlichkeitsmaß, das zur Bestimmung der Abstände zwischen den Objekten des Datensatzes verwendet wird.

Hinweis: Da die multidimensionale Skalierung auf der Bestimmung von Eigenvektoren beruht, nimmt die Laufzeit zur Durchführung der Funktion mit der Größe der Datensätze stark zu.

Beispiel

Es wird ein Datensatz bestehend aus Objekten mit jeweils vier Merkmalen auf drei Merkmale reduziert.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
</head>
<body>
<script>

// Datensatz
var A = [
  [ 7, 26,  6, 60],
  [ 1, 29, 15, 52],
  [11, 56,  8, 20],
  [11, 31,  8, 47],
  [ 7, 52,  6, 33],
  [11, 55,  9, 22],
  [ 3, 71, 17,  6],
  [ 1, 31, 22, 44],
  [ 2, 54, 18, 22],
  [21, 47,  4, 26],
  [ 1, 40, 23, 34],
  [11, 66,  9, 12],
  [10, 68,  8, 12]
];

// Dimensionsreduktion durchfuehren
var T = DimensionReduction.mds(A, 3);

// Ergebnis ausgeben
Console.print(T);

</script>
</body>
</html>

Vorschau Download Kopie speichern

Beispiel

Es wird der IrisFlower-Datensatz ausgelesen und auf zwei Merkmale reduziert. Das Ergebnis wird farblich nach Klassenzugehörigkeit dargestellt

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
  <script src="IrisFlower.js"></script>
</head>
<body>
<script>

// Datensatz auslesen und aufbereiten
var R = IrisFlower.train();
var A = [];
for (var k = 0; k < R.length; k++) A.push(R[k].input);

// Dimensionsreduktion durchfuehren
var T = DimensionReduction.mds(A, 2);

// Ergebnis darstellen
P = [[],[],[]];
for (var i = 0; i < T.length; i++) P[R[i].index].push(T[i]);

Plot.init(480, 480, {axis:["zweites Merkmal","erstes Merkmal"]});
for (var k = 0; k < P.length; k++) Plot.list(P[k]);
Plot.draw();

</script>
</body>
</html>

Vorschau Download Kopie speichern